[发明专利]一种基于深度卷积神经网络的遥感图像缺失数据重建方法在审
| 申请号： | 201810549450.4 | 申请日： | 2018-05-31 |
| 公开（公告）号： | CN108876754A | 公开（公告）日： | 2018-11-23 |
| 发明（设计）人： | 夏春秋 | 申请（专利权）人： | 深圳市唯特视科技有限公司 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 518057 广东省深圳市高新技术产业园*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明中提出的一种基于深度卷积神经网络的遥感图像缺失数据重建方法，其主要内容包括：多源数据的融合、多尺度卷积特征提取单元、扩张卷积、增强时间‑空间‑光谱信息、跳跃连接，其过程为，首先输入两种类型不同的数据，经过卷积运算产生特征映射，接着由多尺度卷积特征提取单元提取更多的特征并将特征融合，然后使用不同的扩张因子实现相同的滤波，定义残差映射，构造缺失区域，采用梯度下降算法作为优化方法，由跳跃连接传递特征信息，保持图像的细节；最后计算损失函数的均值平方误差，直到数值最小，通过收敛损失获得真实数据。本发明可运用于不同类型的丢失信息的恢复，提高视觉感知和重建精度，提高工作效率。 | ||
| 搜索关键词： | 卷积 卷积神经网络 特征提取单元 缺失数据 遥感图像 多尺度 映射 重建 跳跃 计算损失函数 丢失信息 多源数据 工作效率 光谱信息 卷积运算 平方误差 缺失区域 视觉感知 特征融合 特征信息 下降算法 真实数据 残差 滤波 收敛 图像 传递 融合 优化 恢复 | ||
【主权项】：
1.一种基于深度卷积神经网络的遥感图像缺失数据重建方法，其特征在于，主要包括多源数据的融合(一)；多尺度卷积特征提取单元(二)；扩张卷积(三)；增强时间‑空间‑光谱信息(四)；跳跃连接(五)。
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深圳市唯特视科技有限公司，未经深圳市唯特视科技有限公司许可，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/201810549450.4/，转载请声明来源钻瓜专利网。
