[發明專利]基于深度閉環神經網絡的高光譜圖像超分辨優化方法

有效

• 申請號: 202011387862.6
• 申請日: 2020-12-02
• 公開（公告）號: CN112184560B
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 徐洋;劉咫豪;吳澤彬;韋志輝;李恒
• 申請（專利權）人: 南京理工大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/08;G06N3/04;G06F17/11
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 陳鵬

1.一種基于深度閉環神經網絡的高光譜圖像超分辨優化方法，其特征在于，包括以下步驟：

從衛星獲取高光譜數據Y_gt，用雙三次插值模擬生成Y_gt對應的低分辨率高光譜圖像X_lr；

建立深度閉環神經網絡模型，包括超分辨率神經網絡模型和逆超分辨率神經網絡模型，設置好參數，輸入Y_gt和X_lr圖像對來訓練模型，具體如下：

，其中S為超分辨率網絡模型，Y_sr為對X_lr進行一次超分辨率重建后生成的高分辨率高光譜圖像；

，其中RS為逆超分辨率網絡模型，X_lr＇為對Y_sr進行一次逆超分辨率復原后生成的低分辨率高光譜圖像；

訓練過程分為兩步交替訓練：

，l₁為L1范數， 為比例系數；第一步固定RS的模型參數，訓練S的模型參數；

，SAM為光譜角，為比例系數；第二步固定S的模型參數，訓練RS的模型參數；

根據訓練好的深度閉環神經網絡構建包含數據項和先驗項的目標函數，并引入輔助變量來構建最終的高光譜超分辨率重建的目標函數；

通過基于超分辨率重建的目標函數求解的變量分離精細優化方法，直接迭代重建高分辨率高光譜圖像。

2.根據權利要求1所述的基于深度閉環神經網絡的高光譜圖像超分辨優化方法，其特征在于，從衛星獲取高光譜數據 Y_gt，用雙三次插值模擬生成Y_gt對應的低分辨率高光譜圖像 X_lr，具體如下：

在超分辨率任務中，需要低分辨率的高光譜圖像 X_lr和對應的高分辨率的高光譜圖像Y_gt，使用雙三次插值降采樣方法處理高光譜圖像，以模擬相同環境下的低分辨率高光譜圖像；其中 ，m為空間長，n為空間寬，c為光譜維數；，r為放大倍數。