-
公开(公告)号：CN110175971A
公开(公告)日：2019-08-27
申请号：CN201910447672.X
申请日：2019-05-27
Applicant: 大连海事大学
Abstract: 本发明提供一种多光谱单像素成像的深度学习图像重构方法，包括：测量过程和重构过程，测量过程是利用编码图案对目标场景进行编码，而后利用多光谱探测器记录不同波长对应的光强。在物理方式实现多光谱单像素探测后，基于深度神经网络的图像重建方法，实现从所有的探测信号Yc中重构出原始信号X的过程。该深度神经网络由线性映射网络和卷积神经网络组成，将C个测量向量按列拼接在一起形成一个新的矩阵Y′，线性映射网络以Y′为输入数据初步对数据进行线性处理，而后将线性处理结果经过卷积神经网络进行通道间的信息融合处理，最终重建得到待观测图像X。本发明的技术方案解决了现有技术中的算法复杂度高、重建时间较长，且对采样率要求较高的问题。
-
公开(公告)号：CN110175971B
公开(公告)日：2022-09-16
申请号：CN201910447672.X
申请日：2019-05-27
Applicant: 大连海事大学
Abstract: 本发明提供一种多光谱单像素成像的深度学习图像重构方法，包括：测量过程和重构过程，测量过程是利用编码图案对目标场景进行编码，而后利用多光谱探测器记录不同波长对应的光强。在物理方式实现多光谱单像素探测后，基于深度神经网络的图像重建方法，实现从所有的探测信号Yc中重构出原始信号X的过程。该深度神经网络由线性映射网络和卷积神经网络组成，将C个测量向量按列拼接在一起形成一个新的矩阵Y′，线性映射网络以Y′为输入数据初步对数据进行线性处理，而后将线性处理结果经过卷积神经网络进行通道间的信息融合处理，最终重建得到待观测图像X。本发明的技术方案解决了现有技术中的算法复杂度高、重建时间较长，且对采样率要求较高的问题。
-
Search Results
2
records
(took 0.016 seconds)
