申请/专利权人：东华理工大学

申请日：2023-12-29

公开（公告）日：2024-04-12

公开（公告）号：CN117876764A

主分类号：G06V10/764

分类号：G06V10/764;G06T7/00;G06V10/82;G06V10/44;G06V10/80;G06N3/0455

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本申请涉及一种高光谱遥感图像质量等级评估方法，它包括如下步骤：将图像分割成固定大小的块，然后构建质量评估模型，通过空谱注意力模块获得带光谱权重的特征图，并输入到频谱集成嵌入模块生成局部相邻光谱带的嵌入特征图；再经过线性投影后，输入到编码器中，并设置跳跃连接机制融合不同编码器的输出；将最后一个编码器的输出输入到线性层和激活函数层，得到图像的质量评估结果；对质量评估模型进行训练，并使用训练完毕的模型进行图像质量等级评估。本发明可以感知高光谱遥感图像的好坏程度，并且能够根据图像的质量等级可以动态地检测和调节高光谱成像仪中图像处理系统输出的图像，为实时高光谱成像仪系统的参数优化提供更加有效的依据。

主权项：1.一种高光谱遥感图像质量等级评估方法，其特征在于，包括以下步骤：S1：构建高光谱遥感图像数据集，将所述高光谱遥感图像数据集划分为训练集与测试集；S2：对所述高光谱遥感图像数据集中的高光谱遥感图像执行分割操作，将高光谱遥感图像分割为固定大小的子图像块；S3：构建质量评估模型，所述质量评估模型包括VisionTransformer模型、空谱注意力模块、频谱集成嵌入模块和跨层融合残差模块；所述VisionTransformer模型为所述质量评估模型的基础骨架，包括T个编码器，T≥4，每个编码器包括多头自注意力机制和前馈神经网络，用于提取图像特征；所述空谱注意力模块和频谱集成嵌入模块依次设置在VisionTransformer模型的编码器前端，所述跨层融合残差模块设置在VisionTransformer编码器之间；S4：将所有子图像块输入到空谱注意力模块，提取带有光谱权重的特征图；所述空谱注意力模块对输入图像进行最大池化操作和平均池化操作，通过两层全连接层学习通道的权重，并通过GELU激活函数避免梯度消失，最后将GELU函数输出的结果与原始输入相乘，得到带有光谱权重的特征图作为空谱注意力模块的输出；S5：将带有光谱权重的特征图输入到频谱集成嵌入模块，得到局部相邻光谱带分组嵌入特征图；所述频谱集成嵌入模块将通道数为C的带有光谱权重的特征图展平，并按照n个相邻通道进行分组集成，获得个分组后的特征图，即局部相邻光谱带分组嵌入特征图；S6：将局部相邻光谱带分组嵌入特征图进行线性投影，得到线性投影特征图；S7：将线性投影特征图输入到VisionTransformer模型的T个编码器中，进行多头自注意力和多层感知机操作；S8：通过跨层融合残差模块对编码器进行跨层融合残差操作；所述跨层融合残差模块对第t-1和t+1个编码器的输出Zt-1以及Zt+1进行拼接和融合操作，获得融合输出并采用跳跃连接机制将融合输出输入到第t+2个编码器中；S9：将最后一个编码器输出的特征图输入到线性层和激活函数层，得到高光谱遥感图像的质量评估结果；S10：将所述训练集以及对应的主观质量等级输入到所述质量评估模型中进行训练，使用测试集测试所述质量评估模型的模型性能；S11：训练完毕后，将待评估的高光谱遥感图像输入质量评估模型中，获取质量等级。

全文数据：

权利要求：

百度查询： 东华理工大学 一种高光谱遥感图像质量等级评估方法

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