[发明专利]基于深度神经网络的全色图像与多光谱图像融合的方法有效
| 申请号： | 201410306238.7 | 申请日： | 2014-06-28 |
| 公开（公告）号： | CN104112263B | 公开（公告）日： | 2018-05-01 |
| 发明（设计）人： | 黄伟;肖亮;韦志辉 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50;G06T3/40;G06K9/66 |
| 代理公司： | 南京理工大学专利中心32203 | 代理人： | 朱显国 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度神经网络的全色图像与多光谱图像融合的方法，具体步骤如下步骤1，构建高分辨与低分辨图像块对的训练集；步骤2，利用改进的稀疏去噪自编码器学习训练神经网络模型中第一层的初始化参数；步骤3，利用改进的稀疏去噪自编码器对神经网络进行逐层的预训练；步骤4，对经过预训练的深度神经网络的参数进行微调；步骤5，根据已知的低空间分辨的多光谱图像，利用该深度神经网络重构出高分辨的多光谱图像。本发明提供的方法采用了深度学习的方法，能够充分利用非线性的神经网络刻画多光谱图像复杂的结构信息，从而使融合后的多光谱图像不仅具有高空间分辨率，而且能很好地保留了其光谱信息。 | ||
| 搜索关键词： | 基于 深度 神经网络 全色 图像 光谱 融合 方法 | ||
【主权项】：
一种基于深度神经网络的全色图像与多光谱图像融合的方法，其特征在于，具体步骤如下：步骤1，选取作为训练使用的低空间分辨的多光谱图像和高分辨全色图像构建高分辨与低分辨图像块对的训练集该训练集的图像块和分别采样于已知的高分辨全色图像和由已知低分辨多光谱图像线性组合而成的低分辨全色图像；步骤2，利用改进的稀疏去噪自编码器对深度神经网络的第一层参数进行预训练；步骤3，利用改进的稀疏去噪自编码器对深度神经网络进行逐层的预训练；步骤4，利用后向传播算法对经过预训练的深度神经网络的参数进行微调；步骤5，根据已知的低空间分辨的多光谱图像Zms，利用该深度神经网络重构出高分辨的多光谱图像改进的稀疏自编码器的前馈函数模型为和 ①表示输入数据，s为激活函数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201410306238.7/，转载请声明来源钻瓜专利网。
