申请/专利权人:哈尔滨工业大学
申请日:2021-11-12
公开(公告)日:2024-05-17
公开(公告)号:CN114155145B
主分类号:G06T3/4053
分类号:G06T3/4053;G06T5/50
优先权:
专利状态码:有效-授权
法律状态:2024.05.17#授权;2022.03.25#实质审查的生效;2022.03.08#公开
摘要:本发明提供了一种基于深度展开网络的空谱同时超分辨率重建方法。步骤1:确定图像退化模型;步骤2:将单张图像超分和光谱超分的观测模型结合到空间光谱超分辨率模型中;步骤3:利用交替方向乘子法ADMM求解基于模型的能量函数;步骤4:将步骤3的ADMM算法的迭代过程展开成一个多级网络;步骤5:利用步骤4的多级网络解决在空间和光谱上产生超分辨率结果。本发明用以解决现有技术中空间分辨率和光谱分辨率不高的问题。
主权项:1.一种基于深度展开网络的空谱同时超分辨率重建方法,其特征在于,所述超分辨率重建方法具体包括以下步骤:步骤1:确定图像退化模型;步骤2:将单张图像超分和光谱超分的观测模型结合到空间光谱超分辨率模型中;步骤3:利用交替方向乘子法ADMM求解基于模型的能量函数;步骤4:将步骤3的ADMM算法的迭代过程展开成一个多级网络;步骤5:利用步骤4的多级网络解决在空间和光谱上产生超分辨率结果;所述步骤2具体为,图像超分和光谱超分的观测模型结合到空间光谱超分辨率模型写成:Y=LXR+N1其中X∈RHW×S是目标高空间分辨率高光谱图像,H、W和S分别是其高度、宽度和波段数,Y∈Rhw×s是低空间分辨率多光谱图像,h、w和s分别是其高度、宽度和波段数s<<S,R∈RS×s是多光谱成像传感器的光谱响应函数,L∈Rhw×HW代表空间退化算子通常假设由循环卷积算子和下采样矩阵组成,N表示加性噪声;因此,通过最小化以下优化问题来估计高空间分辨率高光谱图像: 其中是保真度项,λfX是正则化项,表示X的先验知识,λ是正则化参数;受到高光谱与多光谱图像融合任务的启发,其中目标高分辨率高光谱图像从给定的高分辨率多光谱图像和低分辨率高光谱图像重建,引入了两个辅助变量P∈RHW×s和Q∈Rhw×s,并将空谱超分问题公式1分解为以下两个子问题: P∈RHW×s和Q∈Rhw×s分别代表单张图片超分结果HR-MSI和光谱超分结果LR-HSI。
全文数据:
权利要求:
百度查询: 哈尔滨工业大学 一种基于深度展开网络的空谱同时超分辨率重建方法
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。