欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021109711742
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-17
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种高光谱融合计算成像方法,其特征在于,包括:将低分辨率高光谱图像Xlr进行子空间表示得到低秩光谱基S和低分辨率子空间系数Alr;将低分辨率子空间系数Alr上采样至与多光谱图像Y相同尺寸后与多光谱图像Y堆叠,将堆叠结果输入预先训练好的卷积神经网络,得到对应的高分辨率子空间系数A;将高分辨率子空间系数A、低秩光谱基S进行融合,得到高分辨率高光谱图像X;且所述卷积神经网络的训练步骤包括:

1)估计空间模糊核B;

2)根据估计到的空间模糊核B对低分辨率高光谱图像Xlr的样本进行模糊下采样得到下采样高光谱图像Xd,将下采样高光谱图像Xd进行子空间表示得到下采样子空间系数Ad;根据估计到的空间模糊核B对多光谱图像Y的样本进行模糊下采样得到下采样多光谱图像Yd;

3)根据采样子空间系数Ad、下采样多光谱图像Yd构建训练数据并训练卷积神经网络,最终得到训练好的卷积神经网络。

2.根据权利要求1所述的高光谱融合计算成像方法,其特征在于,所述将低分辨率高光谱图像Xlr进行子空间表示得到低分辨率子空间系数Alr、将下采样高光谱图像Xd进行子空间表示得到下采样子空间系数Ad的函数表达式为:T T

Alr=SXlr,Ad=SXd,(1)上式中,S表示低秩光谱基。

3.根据权利要求1所述的高光谱融合计算成像方法,其特征在于,所述卷积神经网络为四层结构,其中第1层是大小为3×3的卷积操作和修正线性单元,第2层和第3层均是卷积层为64、大小为3×3的卷积操作和修正线性单元,第4层是大小为3×3的卷积操作。

4.根据权利要求1所述的高光谱融合计算成像方法,其特征在于,步骤2)中进行模糊下采样得到下采样高光谱图像Xd、进行子空间表示得到下采样子空间系数Ad以及进行模糊下采样得到下采样多光谱图像Yd的函数表达式如下式所示:,(2)

,(3)

,(4)

上式中,B为空间模糊核, 为采样因子为s的均匀下采样。

5.根据权利要求4所述的高光谱融合计算成像方法,其特征在于,步骤1)中估计空间模糊核B和光谱采样算子R的步骤包括:

1.1)建立低分辨率高光谱图像Xlr、多光谱图像Y和高分辨率高光谱图像X的映射关系;

,(5)

,(6)

上式中,B为空间模糊核,D为均匀下采样算子,R为光谱采样算子,Nx,Ny分别为额外噪声;

(0)

1.2)初始化迭代次数k等于1,设置初始的空间模糊核B的空间模糊核B 为随机矩阵,初始化卷积神经网络中的参数值和惩罚因子μ的取值;

1.3)进行第k次迭代,根据下式更新待估计的空间响应模糊核B和光谱采样算子R;

,(7)

,(8)

 (k) (k)

上式中,R 表示第k次迭代得到的光谱采样算子R,B 表示第k次迭代得到的空间响应(k‑1)  (k)  (k)模糊核B,B 表示第k‑1次迭代得到的空间响应模糊核B,H 和E 表示第k次迭代得到的中间变量矩阵H和E,B为空间模糊核,D为均匀下采样算子,Ri,j表示光谱采样算子R中第i行第j列的元素,Bi,j表示空间响应模糊核B中第i行第j列的元素,且有:, ;(9)

1.4)判断迭代次数k等于预设阈值K是否成立,如果成立则将最终得到的空间响应模糊核B和光谱采样算子R作为最终得到的结果;否则,将迭代次数k加1,跳转执行步骤1.3)继续进行迭代。

6.根据权利要求5所述的高光谱融合计算成像方法,其特征在于,步骤1.3)中更新待估计的光谱采样算子R是指将式(7)视为具有解析解的强凸问题,可通过如下交替方向乘子法迭代求解;

,(10)

,(11)

,(12)

上式中,I为单位矩阵,(⋅)+表示将非负元素设置为0的操作,K为引入的变量,L表示拉格朗日乘子,μ表示惩罚因子。

7.根据权利要求6所述的高光谱融合计算成像方法,其特征在于,步骤1.3)中更新待估计的空间响应模糊核B是指将多光谱图像Y分解为多个多光谱数据块Yij,建立空间响应模糊核B基于多光谱数据块的函数表达式:,(13)

上式中,b表示响应模糊核B的向量化表示,yij表示多光谱图像块Yij的向量化表示,E(k)  (k)

ij表示第k次迭代得到的中间变量矩阵E 中第i行第j列的元素,bi表示响应模糊核B的向量化表示b中的第i个元素;然后,采用交替方向乘子法来求解更新式(14),具体引入变量v=b和拉格朗日乘子g,E为映射函数;

,(14)

,(15)

上式中,E(b,v,g)表示映射函数,μ表示惩罚因子,v表示引入的向量形式的变量,g表示拉格朗日乘子,h(v)表示指示函数,vi表示引入的向量形式的变量v中的元素。

8.根据权利要求7所述的高光谱融合计算成像方法,其特征在于,所述采用交替方向乘子法来求解更新式(14)时,具体是指将式(14)分解为多个子问题,且得到的多个子问题的函数表达式如式(16)~式(18)所示:,(16)

,(17)

,(18)

上式中,I表示单位矩阵。

9.一种分辨率的高光谱计算成像系统,包括相互连接的微处理器和存储器,其特征在于,该微处理器被编程或配置以执行权利要求1~8中任意一项所述高光谱融合计算成像方法的步骤。

10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质中存储有被编程或配置以执行权利要求1~8中任意一项所述高光谱融合计算成像方法的计算机程序。