[发明专利]低分辨率高光谱图像处理方法、装置、计算机程序产品

说明书

本申请涉及一种低分辨率高光谱图像处理方法、装置、计算机设备、存储介质和计算机程序产品，通过获取低分辨率高光谱图像的各分组图像的浅层特征，基于处理网络分别对各分组图像的浅层特征进行处理，并将各分组图像的浅层特征与处理后的各分组图像的浅层特征进行像素相加处理，得到各分组图像的全局深层特征；处理网络包括多个自注意力机制模型；对各分组图像的全局深层特征分别进行亚像素卷积处理，并将亚像素卷积处理后的各分组图像的全局深层特征进行第一卷积处理和级联处理后得到低分辨率高光谱图像的光谱特征，根据低分辨率高光谱图像的光谱特征，得到与低分辨率高光谱图像对应的高分辨率高光谱图像。采用本方法能够提高目标识别准确率。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种低分辨率高光谱图像处理方法、装置、 计算机设备、计算机可读存储介质和计算机程序产品。

背景技术

随着图像处理技术的发展，高光谱成像是一种可以捕获和分析一片空间区域内逐个点上 的光谱的精细技术，基于高光谱传感器可以接收光谱波段的光学信息，基于该光学信息可以 得到高光谱图像，进而，基于高光谱图像可以实现目标定位。

然而，由于高光谱传感器需要确保接收更多光谱波段的光学信息，导致通常获得的高光 谱图像的空间分辨率较低，降低了目标识别的准确率。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高目标识别准确率的低分辨率高光 谱图像处理方法。

第一方面，本申请提供了一种低分辨率高光谱图像处理方法，包括：获取低分辨率高光 谱图像的各所述分组图像的浅层特征；各所述分组图像是基于所述低分辨率高光谱图像的光 谱数对所述低分辨率高光谱图像进行分组处理后得到的，各所述分组图像的浅层特征是分别 对各所述分组图像进行第一卷积处理得到的；基于处理网络分别对各所述分组图像的浅层特 征进行处理，并将各所述分组图像的浅层特征与处理后的各所述分组图像的所述浅层特征进 行像素相加处理，得到各所述分组图像的全局深层特征；所述处理网络包括多个自注意力机 制模型，多个所述自注意力机制模型的结构相同，各所述自注意力机制模型的输出为各所述 自注意力机制模型连接的下一个自注意力机制模型的输入；根据所述低分辨率高光谱图像的 光谱特征，得到与所述低分辨率高光谱图像对应的高分辨率高光谱图像；所述低分辨率高光 谱图像的光谱特征是对各所述分组图像的全局深层特征分别进行亚像素卷积处理，并将亚像 素卷积处理后的各所述分组图像的全局深层特征进行所述第一卷积处理和级联处理后得到的。 第二方面，本申请提供一种低分辨率高光谱图像处理装置，所述装置包括：获取模块，获取 低分辨率高光谱图像的各所述分组图像的浅层特征；各所述分组图像是基于所述低分辨率高 光谱图像的光谱数对所述低分辨率高光谱图像进行分组处理后得到的，各所述分组图像的浅 层特征是分别对各所述分组图像进行第一卷积处理得到的；特征确定模块，基于处理网络分 别对各所述分组图像的浅层特征进行处理，并将各所述分组图像的浅层特征与处理后的各所 述分组图像的所述浅层特征进行像素相加处理，得到各所述分组图像的全局深层特征；所述 处理网络包括多个自注意力机制模型，多个所述自注意力机制模型的结构相同，各所述自注 意力机制模型的输出为各所述自注意力机制模型连接的下一个自注意力机制模型的输入；处 理模块，用于根据所述低分辨率高光谱图像的光谱特征，得到与所述低分辨率高光谱图像对 应的高分辨率高光谱图像；所述低分辨率高光谱图像的光谱特征是对各所述分组图像的全局 深层特征分别进行亚像素卷积处理，并将亚像素卷积处理后的各所述分组图像的全局深层特 征进行所述第一卷积处理和级联处理后得到的。