[发明专利]基于迁移学习的高光谱图像超分辨率方法在审
| 申请号： | 201710330711.9 | 申请日： | 2017-05-11 |
| 公开（公告）号： | CN107301372A | 公开（公告）日： | 2017-10-27 |
| 发明（设计）人： | 卢孝强;袁媛;郑向涛 | 申请（专利权）人： | 中国科学院西安光学精密机械研究所 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 西安智邦专利商标代理有限公司61211 | 代理人： | 胡乐 |
| 地址： | 710119 陕西省西*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于迁移学习的高光谱图像超分辨率方法，主要解决原始高光谱图像训练数据过少，无法训练深度神经网络的问题，提高高光谱图像的空间辨识力，克服高光谱图像空间分辨率受限的问题。主要步骤是(1)在自然图像的数据库上训练卷积神经网络，学习低分辨率图像到高分辨率图像的映射关系；(2)在测试的高光谱图像上，根据学习到的深度神经网络，逐个波段生成相应的高分辨率图像；(3)建立协同矩阵分解，对低‑高分辨率图像进行相同地物约束；(4)重建出超分辨率高光谱图像。本发明最大程度保持了超分辨率图像的光谱信息，可用于遥感地物观测、军事侦察以及刑侦辅助等领域。 | ||
| 搜索关键词： | 基于 迁移 学习 光谱 图像 分辨率 方法 | ||
【主权项】：
基于迁移学习的高光谱图像超分辨率方法，其特征在于，包括以下步骤：(1)在自然图像的数据库上训练卷积神经网络，学习低分辨率图像到高分辨率图像的映射关系，即得到深度神经网络；(2)在测试的高光谱图像上，根据学习到的深度神经网络，逐个波段生成相应的高分辨率图像；(3)根据低分辨率图像和高分辨率图像具有相同地物分布的特性，建立协同矩阵分解，对低‑高分辨率图像进行相同地物约束；(4)根据协同矩阵分解得到的端元矩阵和丰度因子，重建出超分辨率高光谱图像；所述端元矩阵表示地物类别的光谱信号，丰度因子表示端元在像元所占的比例。
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中国科学院西安光学精密机械研究所，未经中国科学院西安光学精密机械研究所许可，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/201710330711.9/，转载请声明来源钻瓜专利网。
