-
公开(公告)号：CN117911830A
公开(公告)日：2024-04-19
申请号：CN202410321562.X
申请日：2024-03-20
Applicant: 安徽大学
IPC: G06V10/80 , G06V10/774 , G06V10/54 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/09 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种光谱保真的全局交互高光谱多光谱跨模态融合方法，与现有技术相比解决了忽略相对较远领域波段的互补内容而导致的重建光谱扭曲和空间畸变、普通卷积对跨模态特征提取不充分，以及传统Transformer的窗口注意力限制了对长距离依赖进行建模的能力的问题。本发明包括以下步骤：获取合成不同分辨率高光谱和多光谱数据集、构建光谱保真的全局交互高光谱多光谱跨模态融合模型、跨模态融合模型的训练、待融合真实高光谱和多光谱遥感影像获取、高光谱和多光谱遥感影像融合结果获取。本发明基于高光谱图像丰富的光谱信息和多光谱图像丰富的空间信息，提出多模态融合网络重建高分辨率高光谱融合影像，实现高光谱数据与多光谱数据高质量融合。
-
公开(公告)号：CN118212539B
公开(公告)日：2024-07-23
申请号：CN202410633570.8
申请日：2024-05-21
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/30 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种光谱退化约束的多尺度分组反馈高光谱重建方法，与现有技术相比解决了现有的方法通过从现成的组件设计复杂的结构来追求更高的性能，而忽略了退化模型中的固有信息，从而导致空间和光谱信息集成不充分和较低的可解释性的问题。本发明包括以下步骤：获取不同分辨率的高光谱和多光谱数据集、构建光谱退化约束的多尺度分组反馈高光谱重建模型、光谱退化约束的多尺度分组反馈高光谱重建模型训练、高光谱重建结果获取。本发明基于高光谱图像丰富的光谱信息和多光谱图像丰富的空间信息，整合综合先验知识来规则化和优化高光谱重建的解空间，保证重建光谱的置信度和保真度。
-
公开(公告)号：CN118212539A
公开(公告)日：2024-06-18
申请号：CN202410633570.8
申请日：2024-05-21
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/30 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种光谱退化约束的多尺度分组反馈高光谱重建方法，与现有技术相比解决了现有的方法通过从现成的组件设计复杂的结构来追求更高的性能，而忽略了退化模型中的固有信息，从而导致空间和光谱信息集成不充分和较低的可解释性的问题。本发明包括以下步骤：获取不同分辨率的高光谱和多光谱数据集、构建光谱退化约束的多尺度分组反馈高光谱重建模型、光谱退化约束的多尺度分组反馈高光谱重建模型训练、高光谱重建结果获取。本发明基于高光谱图像丰富的光谱信息和多光谱图像丰富的空间信息，整合综合先验知识来规则化和优化高光谱重建的解空间，保证重建光谱的置信度和保真度。
-
公开(公告)号：CN117911830B
公开(公告)日：2024-05-28
申请号：CN202410321562.X
申请日：2024-03-20
Applicant: 安徽大学
IPC: G06V10/80 , G06V10/774 , G06V10/54 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/09 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种光谱保真的全局交互高光谱多光谱跨模态融合方法，与现有技术相比解决了忽略相对较远领域波段的互补内容而导致的重建光谱扭曲和空间畸变、普通卷积对跨模态特征提取不充分，以及传统Transformer的窗口注意力限制了对长距离依赖进行建模的能力的问题。本发明包括以下步骤：获取合成不同分辨率高光谱和多光谱数据集、构建光谱保真的全局交互高光谱多光谱跨模态融合模型、跨模态融合模型的训练、待融合真实高光谱和多光谱遥感影像获取、高光谱和多光谱遥感影像融合结果获取。本发明基于高光谱图像丰富的光谱信息和多光谱图像丰富的空间信息，提出多模态融合网络重建高分辨率高光谱融合影像，实现高光谱数据与多光谱数据高质量融合。
-
-
-
Search Results
4
records
(took 0.017 seconds)
