[發明專利]基于遷移學習的高光譜圖像超分辨率方法在審
| 申請號： | 201710330711.9 | 申請日： | 2017-05-11 |
| 公開（公告）號： | CN107301372A | 公開（公告）日： | 2017-10-27 |
| 發明（設計）人： | 盧孝強;袁媛;鄭向濤 | 申請（專利權）人： | 中國科學院西安光學精密機械研究所 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 西安智邦專利商標代理有限公司61211 | 代理人： | 胡樂 |
| 地址： | 710119 陜西省西*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 遷移 學習 光譜 圖像 分辨率 方法 | ||
1.基于遷移學習的高光譜圖像超分辨率方法，其特征在于，包括以下步驟：
(1)在自然圖像的數據庫上訓練卷積神經網絡，學習低分辨率圖像到高分辨率圖像的映射關系，即得到深度神經網絡；
(2)在測試的高光譜圖像上，根據學習到的深度神經網絡，逐個波段生成相應的高分辨率圖像；
(3)根據低分辨率圖像和高分辨率圖像具有相同地物分布的特性，建立協同矩陣分解，對低-高分辨率圖像進行相同地物約束；
(4)根據協同矩陣分解得到的端元矩陣和豐度因子，重建出超分辨率高光譜圖像；所述端元矩陣表示地物類別的光譜信號，豐度因子表示端元在像元所占的比例。
2.根據權利要求1所述的基于遷移學習的高光譜圖像超分辨率方法，其特征在于，步驟(1)具體為：
(1a)在自然圖像上建立低分辨圖像和對應高分辨率圖像的數據庫；原始自然圖像作為高分辨率圖像，將原始自然圖像進行模糊和下采樣生成相應的低分辨率圖像；
(1b)在自然圖像的數據庫上訓練卷積神經網絡，其中低分辨圖像是神經網絡的輸入，高分辨圖像為神經網絡的輸出。
3.根據權利要求1所述的基于遷移學習的高光譜圖像超分辨率方法，其特征在于，步驟(3)具體為：
(3a)輸入低分辨率高光譜圖像X和遷移學習的高光譜圖像Yv，初始化端元矩陣U，低分辨圖像的豐度因子W，高分辨圖像的豐度因子V；參數λ＝10，端元數目C＝10，迭代次數t＝0；
(3b)更新端元矩陣U：
其中，*和分別表示每個矩陣元素對應相乘和對應相除，AT代表矩陣A的轉置矩陣；
(3c)更新低分辨圖像的豐度因子W：
(3d)更新高分辨圖像的豐度因子V：
(3e)判斷終止條件是否滿足，若滿足則輸出得到的端元矩陣U和豐度因子W、V，否則繼續(3b)、(3c)、(3d)。
4.根據權利要求3所述的基于遷移學習的高光譜圖像超分辨率方法，其特征在于，步驟(4)具體為：
根據步驟(3)得到的端元矩陣U和豐度因子V，估計出超分辨率圖像：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國科學院西安光學精密機械研究所，未經中國科學院西安光學精密機械研究所許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710330711.9/1.html，轉載請聲明來源鉆瓜專利網。
