-
公开(公告)号：CN117217995A
公开(公告)日：2023-12-12
申请号：CN202311107036.5
申请日：2023-08-30
申请人： 南京理工大学
IPC分类号： G06T3/40 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/774 , G06F30/20 , G06F111/04
摘要： 本发明公开了一种基于变换域高阶张量奇异值分解的高光谱图像超分辨方法，通过结合高空间分辨率多光谱图像(HR‑MSI)和低空间分辨率高光谱图像(LR‑HSI)的空谱信息，得到具有高空间分辨率的高光谱图像(HR‑HSI)。该方法根据高光谱图像的空谱相关特性，将HR‑HSI分解为高光谱图像的低维谱子空间和系数张量两部分。利用高阶张量奇异值分解研究系数张量在变换域的低秩性，并结合高光谱的子空间表示，建立了高阶奇异值分解下的低秩正则的高光谱图像超分辨模型。数值模拟实验表明，该方法在对图像进行超分辨时，具有很好光谱保真和空间结构保持性能。
-
公开(公告)号：CN109785281A
公开(公告)日：2019-05-21
申请号：CN201811651581.X
申请日：2018-12-31
申请人： 南京理工大学
IPC分类号： G06T5/50
摘要： 本发明公开了一种基于光谱映射的灰度调幅的pansharpening方法。首先通过建立变分模型求解光谱映射转换矩阵T，得到具有一定光谱分辨率的高空间分辨率图像（P_HCM）。然后，对光谱映射后得到的图像进行空间滤波进而产生带有光谱信息的空间细节，并将其注入到上采样后的MS图像中，得到具有较高分辨率的HR_MS图像；最后，基于平滑滤波的亮度调幅（SFIM）原理，得到最终的具有高空间和光谱分辨率的融合图像（HRMS）。本发明基于传统的pansharpening方法，充分挖掘HRPAN图像和LRMS图像的光谱和空间信息，在很好的保持空间结构信息的前提下，具有很好的光谱保真性，能得到具有良好视觉效果的融合图像。
-
公开(公告)号：CN117765365A
公开(公告)日：2024-03-26
申请号：CN202311583040.9
申请日：2023-11-24
申请人： 南京理工大学
IPC分类号： G06V10/82 , G06V10/44 , G06V10/58 , G06N3/0455 , G06N3/0464
摘要： 本发明公开了一种基于异常点加权的双自编码高光谱解混方法。针对高光谱图像解混问题中端元和丰度求解的不均衡性，提出了双自编码网络，分别设计了端元提取网络和丰度估计网络，得到了更接近真实值的端元和丰度。该方法的核心是充分利用端元提取网络得到的端元，将其带入丰度估计网络进行丰度估计。端元提取网络使用传统的深层自编码网络，损失函数使用了log(SAD)代替SAD(Spectral Angular Distance)函数，以增大光谱相似性在端元提取中的比重。进一步，在计算损失时加入了异常点驱动的权函数，以减小异常点对网络的影响。丰度估计的网络结构采用了谱卷积网络，同时引入注意力机制以提高网络的学习能力。
-
公开(公告)号：CN108133465B
公开(公告)日：2022-01-11
申请号：CN201711489305.3
申请日：2017-12-29
申请人： 南京理工大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于空谱加权TV的非凸低秩松弛的高光谱图像恢复方法。首先利用局部空间邻域的梯度信息，建立空谱联合的加权TV，继而在高光谱图像低秩恢复的框架下，引入矩阵的γ范数作为矩阵秩的非凸松弛，结合空谱加权TV，建立空谱加权TV的高光谱图像非凸低秩恢复模型。利用ADMM方法(Alternating Direction Method of Multipliers，交替方向乘子法)将模型分解为几个子问题，并分别采用非凸软阈值算子，分裂Bregman迭代，软阈值收缩算子等对转换后的子问题进行求解；得到恢复后的高光谱图像。本发明充分挖掘高光谱图像的光谱以及空间信息，具有很好的空间结构保持性能、光谱保真性，同时，具有良好的无偏性和鲁棒性，本发明能够快速、有效的去除混合噪声，得到具有良好视觉效果的高光谱图像。
-
公开(公告)号：CN112508829B
公开(公告)日：2022-09-27
申请号：CN202010616742.2
申请日：2020-06-30
申请人： 南京理工大学
摘要： 本发明公开了一种基于剪切波变换的pan‑sharpening方法。该方法通过结合高空间分辨率全色图像（PAN）和低空间分辨率多光谱图像（MS）的空谱信息，得到具有高空间分辨率的多光谱图像（HRMS）。该方法的核心为两步的剪切波域图像融合；融合过程分为两步进行，且每步都在剪切波域进行。本发明在传统pan‑sharpening方法的基础上，不仅利用了PAN图像的空间结构信息和MS图像的光谱信息，并且充分挖掘了高、低分辨率PAN和MS图像之间的光谱和空间关系，通过这些信息的有机融合，得到了具有光谱保真，空间细节丰富的融合图像。
-
公开(公告)号：CN108133465A
公开(公告)日：2018-06-08
申请号：CN201711489305.3
申请日：2017-12-29
申请人： 南京理工大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于空谱加权TV的非凸低秩松弛的高光谱图像恢复方法。首先利用局部空间邻域的梯度信息，建立空谱联合的加权TV，继而在高光谱图像低秩恢复的框架下，引入矩阵的γ范数作为矩阵秩的非凸松弛，结合空谱加权TV，建立空谱加权TV的高光谱图像非凸低秩恢复模型。利用ADMM方法(Alternating Direction Method of Multipliers，交替方向乘子法)将模型分解为几个子问题，并分别采用非凸软阈值算子，分裂Bregman迭代，软阈值收缩算子等对转换后的子问题进行求解；得到恢复后的高光谱图像。本发明充分挖掘高光谱图像的光谱以及空间信息，具有很好的空间结构保持性能、光谱保真性，同时，具有良好的无偏性和鲁棒性，本发明能够快速、有效的去除混合噪声，得到具有良好视觉效果的高光谱图像。
-
公开(公告)号：CN109785281B
公开(公告)日：2022-09-13
申请号：CN201811651581.X
申请日：2018-12-31
申请人： 南京理工大学
IPC分类号： G06T5/50
摘要： 本发明公开了一种基于光谱映射的灰度调幅的pansharpening方法。首先通过建立变分模型求解光谱映射转换矩阵T，得到具有一定光谱分辨率的高空间分辨率图像（P_HCM）。然后，对光谱映射后得到的图像进行空间滤波进而产生带有光谱信息的空间细节，并将其注入到上采样后的MS图像中，得到具有较高分辨率的HR_MS图像；最后，基于平滑滤波的亮度调幅（SFIM）原理，得到最终的具有高空间和光谱分辨率的融合图像（HRMS）。本发明基于传统的pansharpening方法，充分挖掘HRPAN图像和LRMS图像的光谱和空间信息，在很好的保持空间结构信息的前提下，具有很好的光谱保真性，能得到具有良好视觉效果的融合图像。
-
公开(公告)号：CN113435366A
公开(公告)日：2021-09-24
申请号：CN202110745207.1
申请日：2021-06-30
申请人： 南京理工大学
摘要： 本发明公开了一种小波域的多时高光谱图像贝叶斯解混方法。该方法利用小波变换在信号检测方面的优势、贝叶斯模型以及端元和端元变异性的小波系数特点，分别对高光谱图像的高低频小波系数建立先验模型，得到更接近真实值的端元和丰度。该方法的核心为充分利用小波系数的性质并进行先验建模。本发明在传统的贝叶斯解混模型基础上，根据端元和端元变异性的小波系数特点，分别对其高低频小波系数建立先验模型。最后，针对得到的贝叶斯解混模型，用MCMC方法进行求解，并对得到的结果进行小波逆变换。实验结果表明了所提出方法在端元和端元变异方面，具有更好的逼近性。
-
公开(公告)号：CN112508829A
公开(公告)日：2021-03-16
申请号：CN202010616742.2
申请日：2020-06-30
申请人： 南京理工大学
摘要： 本发明公开了一种基于剪切波变换的pan‑sharpening方法。该方法通过结合高空间分辨率全色图像（PAN）和低空间分辨率多光谱图像（MS）的空谱信息，得到具有高空间分辨率的多光谱图像（HRMS）。该方法的核心为两步的剪切波域图像融合；融合过程分为两步进行，且每步都在剪切波域进行。本发明在传统pan‑sharpening方法的基础上，不仅利用了PAN图像的空间结构信息和MS图像的光谱信息，并且充分挖掘了高、低分辨率PAN和MS图像之间的光谱和空间关系，通过这些信息的有机融合，得到了具有光谱保真，空间细节丰富的融合图像。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.034 秒)
