-
公开(公告)号：CN119107231A
公开(公告)日：2024-12-10
申请号：CN202411213616.7
申请日：2024-08-30
Applicant: 南京理工大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/042 , G06N3/0464 , G06N3/0499 , G06N3/098
Abstract: 本发明公开了一种光谱物理退化和深度先验联合学习的光谱超分辨方法，该方法包括：建立深度先验正则和光谱退化物理模型联合学习的彩色图像光谱超分辨的变分模型；采用辅助变量和变量分离算法对变分模型进行优化，得到彩色图像到高光谱图像的图像超分辨变分模型；对变分模型优化的迭代过程进行网络展开，执行优化的网络迭代过程；为潜在空间的高光谱图像和光谱响应函数设计邻近算子；以高光谱图像的重建误差的L2范数和物理退化模型的一致性损失、观测损失作为联合损失函数，训练网络。本发明具有同时在网络中表示高光谱图像的退化模型和数据先验的能力，实现空间和光谱的局部特征和非局部特征的融合，有效增强了光谱和空间特征保真能力。
Search Results
1
records
(took 0.019 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
