公开(公告)号：CN105844591B

公开(公告)日：2018-08-21

申请号：CN201610015219.8

申请日：2016-01-11

申请人： 西安电子科技大学昆山创新研究院

发明人： 杨淑媛 ,  蔡朝东 ,  焦李成 ,  刘芳 ,  马晶晶 ,  马文萍 ,  熊涛 ,  刘红英 ,  李斌 ,  金莉

IPC分类号： G06T5/00

摘要： 本发明公开了一种基隐空间样例学习的非线性压缩光谱成像方法，主要解决现有技术在利用核函数进行非线性空间下的字典学习中时间复杂度和空间复杂度过高的问题。其实现步骤为：1.对训练样本进行预处理，获得虚拟训练样本；2.通过线性字典学习的方法对虚拟训练样本进行训练，获得稀疏字典；3.随机初始化观测矩阵，通过核压缩感知的方法实现非线性压缩感知光谱成像；4.利用pre‑image方法恢复出原信号。实验结果表明：在相同的采样率下，本发明方法同现有KPCA的字典学习方法相比，其重构效果较好，且时间复杂度大大降低，可用于高光谱图像的低速率采样和恢复。

公开(公告)号：CN106651778A

公开(公告)日：2017-05-10

申请号：CN201610349594.6

申请日：2016-05-25

申请人： 西安电子科技大学昆山创新研究院 ,  西安电子科技大学

发明人： 杨淑媛 ,  蔡朝东 ,  焦李成 ,  刘芳 ,  马晶晶 ,  马文萍 ,  熊涛 ,  刘红英 ,  李斌 ,  金莉

IPC分类号： G06T5/00

CPC分类号： G06T5/001 ,  G06T2207/10036 ,  G06T2207/20081

摘要： 本发明公开了一种基于自适应耦合观测与非线性压缩学习的光谱成像方法，主要解决现有技术无法保证观测矩阵与学习得到的字典不相关的问题。其实现步骤为：1.把原始空间中的信号投影到特征空间上；2.利用KPCA的方法，在特征空间中进行字典学习，求得稀疏字典；3.随机初始化观测矩阵，对由稀疏字典和初始观测矩阵的乘积组成的感知矩阵进行迭代训练，得到经过耦合优化的观测矩阵；4.通过核压缩感知的方法实现非线性压缩感知光谱成像；5.利用pre‑image方法恢复出原信号。实验结果表明：在不同的采样率下，本发明与现有以高斯随机矩阵作为观测矩阵的方法相比，其重构效果较好，可用于高光谱图像的低成本与高质量获取。

公开(公告)号：CN105844591A

公开(公告)日：2016-08-10

申请号：CN201610015219.8

申请日：2016-01-11

申请人： 西安电子科技大学昆山创新研究院

发明人： 杨淑媛 ,  蔡朝东 ,  焦李成 ,  刘芳 ,  马晶晶 ,  马文萍 ,  熊涛 ,  刘红英 ,  李斌 ,  金莉

IPC分类号： G06T5/00

CPC分类号： G06T5/001 ,  G06T2207/10036 ,  G06T2207/20081

摘要： 本发明公开了一种基隐空间样例学习的非线性压缩光谱成像方法，主要解决现有技术在利用核函数进行非线性空间下的字典学习中时间复杂度和空间复杂度过高的问题。其实现步骤为：1.对训练样本进行预处理，获得虚拟训练样本；2.通过线性字典学习的方法对虚拟训练样本进行训练，获得稀疏字典；3.随机初始化观测矩阵，通过核压缩感知的方法实现非线性压缩感知光谱成像；4.利用pre?image方法恢复出原信号。实验结果表明：在相同的采样率下，本发明方法同现有KPCA的字典学习方法相比，其重构效果较好，且时间复杂度大大降低，可用于高光谱图像的低速率采样和恢复。