[发明专利]基于光谱预测残差卷积神经网络的高光谱图像锐化方法有效
| 申请号： | 201811485313.5 | 申请日： | 2018-12-06 |
| 公开（公告）号： | CN109727207B | 公开（公告）日： | 2022-12-16 |
| 发明（设计）人： | 贺霖;朱嘉炜 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06N3/04 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 王东东 |
| 地址： | 511458 广东省广州市*** | 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： | 本发明公开了一种基于光谱预测残差卷积神经网络的高光谱图像锐化方法，包括读取原始高光谱图像；利用高光谱图像的可见光波段合成相应的全色图像；对图像数据进行预处理，获取训练样本对；构造光谱预测残差卷积神经网络结构；将训练样本对输入光谱预测残差卷积神经网络，利用自适应矩估计算法，使训练误差降低至最小值，从而得到最优的网络结构参数；将经过相同预处理的测试样本对输入至最优光谱预测残差卷积神经网络结构中，输出高分辨率的高光谱图像。本发明能有效地缓解光谱失真的现象，增强其锐化效果。 | ||
| 搜索关键词： | 基于 光谱 预测 卷积 神经网络 图像 锐化 方法 | ||
【主权项】：
1.一种基于光谱预测残差卷积神经网络的高光谱图像锐化方法，其特征在于，包括如下步骤：S1获取训练样本集：获取高光谱图像![]()
合成全色图像![]()
全色图像进行预处理，得到训练样本对；S2搭建光谱预测残差卷积神经网络模型：模型包括光谱预测和空间细节修复两部分，两部分均由卷积层构成，网络的激活函数采用线性整流函数；S3训练光谱预测残差卷积神经网络模型：利用零均值的高斯分布初始化网络各层的卷积核的权重和偏置，采用自适应矩估计算法对网络模型进行迭代优化得到最优光谱预测残卷积神经网络模型；S4利用训练好的光谱预测残差卷积神经网络模型，锐化处理低分辨率的高光谱图像。
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华南理工大学，未经华南理工大学许可，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/201811485313.5/，转载请声明来源钻瓜专利网。
