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: 2022102125129
申请人: 南京邮电大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
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.基于深度3D卷积稀疏编码的多光谱图像去噪算法,其特征在于:包括如下步骤:步骤1,根据多光谱图像的谱间信息,将卷积稀疏编码模型拓展成3D形式,搭建3D-CSC数学模型;

步骤1.1,卷积稀疏编码模型将输入信号X表示成m个卷积特征的线性组合形式,根据多光谱图像的空间结构,将其拓展到3D形式则有:其中X代表干净的多光谱图像,表示m个大小为h×h×h的滤波器,*表示三维卷积,表示第i个滤波器di对应的卷积特征;

步骤1.2,卷积稀疏编码假设是稀疏的,即含有少量的非零元素,通过下面的优化问题求得:其中‖·‖1代表l1范数,λ是正则化参数;

步骤2,采用迭代收缩软阈值算法对搭建的3D-CSC模型进行迭代求解;

步骤2中迭代求解的具体过程为:公式(2)的迭代更新公式为:其中A是对应的稀疏编码,上标t表示第t(t=0,1,2,…,K-1)次迭代值,T为转置符号,L是拉普拉斯常数,λt为第t次迭代对应的正则化参数,是软阈值操作子,定义为:步骤3,搭建深度网络:根据深度展开的思想,将步骤2中的3D-CSC的迭代解形式展开成对应的深度网络3D-CSCNet;

步骤4,构造数据集后训练网络;

步骤5,测试网络的性能。

2.根据权利要求1所述基于深度3D卷积稀疏编码的多光谱图像去噪算法,其特征在于:步骤3具体步骤为:通过引入变量B=D将公式(3)转化为:通过引入变量B=D将公式(3)转化为:

将公式(5)展开成深度神经网络,其中神经网络的第t层对应公式的第t次迭代,在网络中起激活函数的作用,C和B则通过卷积实现并在网络训练过程中不断学习优化。

3.根据权利要求1所述基于深度3D卷积稀疏编码的多光谱图像去噪算法,其特征在于:步骤4具体步骤如下:步骤4.1,构造数据集:采用的数据集CAVE,并将每个场景中的图像合成一个三维张量,并按照要求进行切割,在归一化处理后按6:4的比例将其划分成训练集和测试集;

步骤4.2,初始化参数;

步骤4.3,训练3D-CSCNet;

步骤4.4,重构输出图像。