公开(公告)号：CN116563142A

公开(公告)日：2023-08-08

申请号：CN202310422873.0

申请日：2023-04-19

Applicant: 厦门理工学院

Inventor： 李建敏 ,  李衍 ,  杜晓凤 ,  钟瑛

IPC: G06T5/00 ,  G06T3/40 ,  G06V10/10 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/088 ,  G06N3/094

Abstract: 本发明公开一种基于深度学习的全色锐化框架加速方法，其包括：将多光谱图像和全色图像拼接，再将拼接后的图像裁剪为多张子图像作为训练集；根据训练集构建基于生成对抗网络的无监督全色锐化模型，无监督全色锐化模型包括生成器网络和两判别网络；在生成器网络的第一层和第二层之间增加注意力机制，以加快提取多光谱图像和全色图像的特征；计算数据预处理后的子图像的平均梯度，进行梯度分类把训练集划分成简单和中等类别集合；并对其中的中等类别集合进行二次分类，划分为中等和困难类别集合；对不同类别的子图像集合采用不同量级的全色锐化模型分支进行训练。通过上述方案，本发明能够提高重建图像的准确度。