申请/专利权人：浙江工业大学

申请日：2020-07-14

公开（公告）日：2024-03-29

公开（公告）号：CN111951182B

主分类号：G06T5/77

分类号：G06T5/77;G06V10/74

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2020.12.04#实质审查的生效;2020.11.17#公开

摘要：一种基于流形非局部曲率正则化的高光谱图像修复算法，将待修复的高光谱图像划分为大小统一的数据子块并表示成矩阵形式，在每个子块中引入对应的位置信息，所有子块分布于一个或多个低维流形附近；利用kd‑tree近邻搜索算法搜索相似数据子块，获得数据子块相似度的权值矩阵w；将加权非局部曲率正则添加至优化模型；对所构模型进行数值求解，将权值矩阵w进行组合操作获得矩阵将u的每一个波段与步骤三获得的带入最终公式，用广义极小残差法GMRES迭代求解直到稳定，获得修复的图像。本发明对高光谱图像进行缺失数据修复，通过对传统低维流形的改进，加入曲率正则项，可兼顾重建流形的低维性和光滑性，克服以往流形方法只逼近其低维性，而忽略光滑性的缺点。

主权项：1.一种基于流形加权非局部曲率正则化的高光谱图像修复方法，包括如下步骤：步骤1：给定未知高光谱图像的已知不完整观测图在b上进行数据子块划分操作并加入对应空间位置信息；步骤2：利用kd-tree近邻搜索算法搜索相似数据子块，获得数据子块相似度的权值矩阵w，对数据子块形成的点云集施加低维性和光滑性约束；得到流形上的加权非局部曲率正则模型；所述的加权非局部曲率正则模型的计算公式定义如下： 其中为梯度算子，是步骤1中所得数据子块集所在低维流形，为L2范数的平方，u为待求解的高光谱数据，C为子块全集，S为观察到的子块标记集，β为曲率项权重系数，p,q为给定集合C或S中数据子块；步骤3：优化求解模型，依据求解公式将步骤2获得的权值矩阵w进行组合操作获得优化后的矩阵步骤4：将和u的每一个波段代入步骤3中优化模型，用广义极小残差法迭代求解直到稳定，获得修复的图像。

全文数据：

权利要求：

百度查询： 浙江工业大学 基于流形加权非局部曲率正则化的高光谱图像修复方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD