公开(公告)号：CN114862731A

公开(公告)日：2022-08-05

申请号：CN202210319962.8

申请日：2022-03-29

Applicant: 武汉大学

Inventor： 张洪艳 ,  王文高 ,  曹伟男 ,  杨光义 ,  张良培

IPC: G06T5/50 ,  G06V10/58 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种低秩先验与空谱信息引导的多‑高光谱影像融合方法，提出了一种全新的结合空谱引导与低秩先验的多层多分支融合网络SSLRNet，该网络首先构造多层多分支融合子网络(MLMB)，旨在从多个分支进行特征的提取，并进行多层特征融合，重建出初步的融合影像。之后，构造基于空谱引导的融合影像空间光谱纠正子网络，通过多光谱影像波段叠加求和影像与高光谱影像波段平均值影像对MLMB生成的初步融合影像进行空间光谱引导，缩小空间光谱扭曲。最后，构造基于低秩神经网络的融合影像低秩先验约束子网络，与深度学习网络相结合，利用网络自身特性进行低秩分解，使融合结果更符合真实应用需求。本发明提高了网络的融合精度，更符合真实应用需求。

公开(公告)号：CN117274121A

公开(公告)日：2023-12-22

申请号：CN202311062157.2

申请日：2023-08-22

Applicant: 武汉大学

Inventor： 杨光义 ,  王孟依 ,  王文高 ,  黄和 ,  曹伟男 ,  张洪艳 ,  贺威 ,  金伟正

IPC: G06T5/50 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明方法提出了一种四分支神经网络遥感影像融合方法及计算机可读介质。本发明对每幅原始高光谱影像进行光谱维度的下采样处理，获得每幅低光谱分辨率的多光谱影像；对每幅原始高光谱影像进行空间维度的模糊处理和下采样处理，获得每幅低空间分辨率的高光谱影像；构建四分支神经网络模型，结合每幅低光谱分辨率的多光谱影像、每幅低空间分辨率的高光谱影像进行迭代优化，得到训练后的四分支神经网络模型；实时采集高光谱影像，将实时采集的高光谱影像结合训练后的四分支神经网络模型进行融合，得到每幅预测的实时高光谱影像。本发明能够充分地从高光谱和多光谱影像中提取空间特征和光谱特征，并在计算复杂度和空间复杂度方面表现出了巨大优势。

公开(公告)号：CN114862731B

公开(公告)日：2024-04-16

申请号：CN202210319962.8

申请日：2022-03-29

Applicant: 武汉大学

Inventor： 张洪艳 ,  王文高 ,  曹伟男 ,  杨光义 ,  张良培

IPC: G06T5/50 ,  G06V10/58 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06T3/4053 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种低秩先验与空谱信息引导的多‑高光谱影像融合方法，提出了一种全新的结合空谱引导与低秩先验的多层多分支融合网络SSLRNet，该网络首先构造多层多分支融合子网络(MLMB)，旨在从多个分支进行特征的提取，并进行多层特征融合，重建出初步的融合影像。之后，构造基于空谱引导的融合影像空间光谱纠正子网络，通过多光谱影像波段叠加求和影像与高光谱影像波段平均值影像对MLMB生成的初步融合影像进行空间光谱引导，缩小空间光谱扭曲。最后，构造基于低秩神经网络的融合影像低秩先验约束子网络，与深度学习网络相结合，利用网络自身特性进行低秩分解，使融合结果更符合真实应用需求。本发明提高了网络的融合精度，更符合真实应用需求。