公开(公告)号：CN114419392A

公开(公告)日：2022-04-29

申请号：CN202210061669.6

申请日：2022-01-19

申请人： 北京理工大学重庆创新中心 ,  北京理工大学

发明人： 许廷发 ,  董少聪 ,  李佳男 ,  丁立鹤 ,  周诗韵 ,  许新里

IPC分类号： G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了高光谱快照图像恢复方法、装置、设备及介质，该方法包括获取光谱图像数据集编写卷积神经网络所需的数据接口；构建训练集和测试集；使用随机掩膜与训练集进行叠加，设定通道像素，并将图像进行倾斜处理后在光谱维度进行叠加获得混叠图像作为输入，训练集作为待拟合数据，端到端训练模型；以深度迭代展开的形式构建恢复算法；利用基于区域自注意力机制的神经网络进行建模学习，构建恢复算法模型；设置训练参数和损失函数策略，对构建好的恢复算法模型进行训练并验证；通过恢复算法模型将压缩感知图像恢复为高光谱图像。本发明利用高光谱数据特有的光谱‑空间相关性，高精度、高效率恢复原始高光谱图像信息。

公开(公告)号：CN114387422A

公开(公告)日：2022-04-22

申请号：CN202210063938.2

申请日：2022-01-20

申请人： 北京理工大学重庆创新中心 ,  北京理工大学

发明人： 李佳男 ,  丁立鹤 ,  许廷发 ,  董少聪 ,  许新里 ,  王杰

IPC分类号： G06T17/20 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

摘要： 本发明公开了一种基于注意力机制的点云场景流预测方法，包括以下步骤：S1、构建真实场景流数据集；S2、基于真实场景流数据集对输入数据预处理，建立点云特征提取模型，对局部区域候选场景流生成，通过注意力机制对候选场景流进行聚合，对候选场景流进行上采样，采用带有残差连接的输出层对输出进行修正；S3、采用预测场景流和真实场景流的L1Loss作为损失对网络进行优化和训练；S4、将训练好的网络在构建好的真实场景流数据集上进行测试，获得测试结果。

公开(公告)号：CN114387258B

公开(公告)日：2024-03-22

申请号：CN202210039789.6

申请日：2022-01-14

申请人： 北京理工大学重庆创新中心 ,  北京理工大学

发明人： 许廷发 ,  周诗韵 ,  李佳男 ,  董少聪

IPC分类号： G06T7/00 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/80 ,  G06V10/82

摘要： 本发明提供一种基于区域动态深度展开神经网络的高光谱图像重构方法，包括如下步骤：S1，模拟高光谱数据的真值图像；S2，将真值图像经过掩膜编码得到混叠图像；S3，混叠图像经过数据预处理后输入深度展开神经网络进行训练；所述深度展开神经网络包括区域权重生成模块、阈值迭代算法变换模块以及像素级自适应阈值模块；S4，利用训练好的深度展开神经网络进行光谱图像重构。本发明采用基于区域动态的深度展开神经网络根据混叠图像的区域化特征来动态指导重构变换域的生成，有效提升了快照压缩光谱成像中的图像重构质量，在网络训练和实用中更为便捷灵活，节省计算资源和降低时间消耗。

公开(公告)号：CN114387258A

公开(公告)日：2022-04-22

申请号：CN202210039789.6

申请日：2022-01-14

申请人： 北京理工大学重庆创新中心 ,  北京理工大学

发明人： 许廷发 ,  周诗韵 ,  李佳男 ,  董少聪

IPC分类号： G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/80 ,  G06V10/82

摘要： 本发明提供一种基于区域动态深度展开神经网络的高光谱图像重构方法，包括如下步骤：S1，模拟高光谱数据的真值图像；S2，将真值图像经过掩膜编码得到混叠图像；S3，混叠图像经过数据预处理后输入深度展开神经网络进行训练；所述深度展开神经网络包括区域权重生成模块、阈值迭代算法变换模块以及像素级自适应阈值模块；S4，利用训练好的深度展开神经网络进行光谱图像重构。本发明采用基于区域动态的深度展开神经网络根据混叠图像的区域化特征来动态指导重构变换域的生成，有效提升了快照压缩光谱成像中的图像重构质量，在网络训练和实用中更为便捷灵活，节省计算资源和降低时间消耗。