買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜北京理工大學(xué)重慶創(chuàng)新中心;北京理工大學(xué)申請的專利高光譜快照圖像恢復(fù)方法、裝置、設(shè)備及介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114419392B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210061669.6，技術(shù)領(lǐng)域涉及：G06V10/774；該發(fā)明授權(quán)高光譜快照圖像恢復(fù)方法、裝置、設(shè)備及介質(zhì)是由許廷發(fā);董少聰;李佳男;丁立鶴;周詩韻;許新里設(shè)計研發(fā)完成，并于2022-01-19向國家知識產(chǎn)權(quán)局提交的專利申請。

本高光譜快照圖像恢復(fù)方法、裝置、設(shè)備及介質(zhì)在說明書摘要公布了：本發(fā)明公開了高光譜快照圖像恢復(fù)方法、裝置、設(shè)備及介質(zhì)，該方法包括獲取光譜圖像數(shù)據(jù)集編寫卷積神經(jīng)網(wǎng)絡(luò)所需的數(shù)據(jù)接口；構(gòu)建訓(xùn)練集和測試集；使用隨機(jī)掩膜與訓(xùn)練集進(jìn)行疊加，設(shè)定通道像素，并將圖像進(jìn)行傾斜處理后在光譜維度進(jìn)行疊加獲得混疊圖像作為輸入，訓(xùn)練集作為待擬合數(shù)據(jù)，端到端訓(xùn)練模型；以深度迭代展開的形式構(gòu)建恢復(fù)算法；利用基于區(qū)域自注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)進(jìn)行建模學(xué)習(xí)，構(gòu)建恢復(fù)算法模型；設(shè)置訓(xùn)練參數(shù)和損失函數(shù)策略，對構(gòu)建好的恢復(fù)算法模型進(jìn)行訓(xùn)練并驗(yàn)證；通過恢復(fù)算法模型將壓縮感知圖像恢復(fù)為高光譜圖像。本發(fā)明利用高光譜數(shù)據(jù)特有的光譜?空間相關(guān)性，高精度、高效率恢復(fù)原始高光譜圖像信息。

本發(fā)明授權(quán)高光譜快照圖像恢復(fù)方法、裝置、設(shè)備及介質(zhì)在權(quán)利要求書中公布了：1.一種高光譜快照圖像恢復(fù)方法，其特征在于，所述方法包括：獲取光譜圖像數(shù)據(jù)集，根據(jù)所述光譜圖像數(shù)據(jù)集的數(shù)據(jù)特征編寫卷積神經(jīng)網(wǎng)絡(luò)所需的數(shù)據(jù)接口；將所述光譜圖像數(shù)據(jù)集分割成若干份，構(gòu)建訓(xùn)練集和測試集；使用隨機(jī)掩膜與所述訓(xùn)練集進(jìn)行疊加，設(shè)定通道像素，并將圖像進(jìn)行傾斜處理后在光譜維度進(jìn)行疊加獲得混疊圖像，以所述混疊圖像作為輸入，所述訓(xùn)練集作為待擬合數(shù)據(jù)，端到端訓(xùn)練模型；以深度迭代展開的形式構(gòu)建恢復(fù)算法，所述算法包括多個在形式上重復(fù)的子階段，每個子階段以交替投影法對解進(jìn)行優(yōu)化，逐步逼近所期望的恢復(fù)解；所述每個子階段以交替投影法對解進(jìn)行優(yōu)化具體形式為：xt＝θt-1+ATAAT-1y-Aθt-1, 其中，x代表恢復(fù)圖像，θ為投影輔助變量，A為傳感矩陣，y代表輸入算法的初始圖像，t代表第t個子階段，n代表輸入圖像基于區(qū)域被劃分為n個部分；利用基于區(qū)域自注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)進(jìn)行建模學(xué)習(xí)，構(gòu)建恢復(fù)算法模型；所述利用基于區(qū)域自注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)進(jìn)行建模學(xué)習(xí)，構(gòu)建恢復(fù)算法模型具體包括以下步驟：構(gòu)建淺層特征編碼網(wǎng)絡(luò)模塊，淺層特征編碼網(wǎng)絡(luò)模塊包括三個卷積層，三個批歸一化層，三個激活函數(shù)層，以及一個降采樣層，三個卷積層卷積核尺寸分別是3×3，3×3，1×1，激活函數(shù)層采用LeakyReLU層，降采樣層采用最大值池化層，降采樣系數(shù)為2，淺層特征編碼網(wǎng)絡(luò)模塊在輸出時將圖像特征圖按照預(yù)設(shè)空間尺寸進(jìn)行分塊劃分，得到分塊區(qū)域，所述分塊區(qū)域包括若干空間位置；構(gòu)建空間引導(dǎo)光譜注意力模塊，空間引導(dǎo)光譜注意力模塊處理的數(shù)據(jù)單元尺寸為構(gòu)建淺層特征編碼網(wǎng)絡(luò)模塊劃分出的區(qū)域數(shù)據(jù)，空間引導(dǎo)光譜注意力模塊包括自注意力層和前饋神經(jīng)網(wǎng)絡(luò)層，注意力層聚合每個分塊區(qū)域的空間特征作為光譜通道的特征表示，之后在光譜通道之間計算注意力并重組特征，得到的結(jié)果送入前饋神經(jīng)網(wǎng)絡(luò)進(jìn)行處理；構(gòu)建光譜引導(dǎo)空間注意力模塊，光譜引導(dǎo)空間注意力模塊的輸入為空間引導(dǎo)光譜注意力模塊的輸出，光譜引導(dǎo)空間注意力模塊包括自注意力層和前饋神經(jīng)網(wǎng)絡(luò)層，空間引導(dǎo)光譜注意力模塊聚合每個空間位置的全部光譜特征作為空間位置的特征表示，在空間位置之間計算注意力并重組特征，得到的結(jié)果送入前饋神經(jīng)網(wǎng)絡(luò)進(jìn)行處理；構(gòu)建特征跨區(qū)域傳播模塊，特征跨區(qū)域傳播模塊對所述分塊區(qū)域進(jìn)行重新移位劃分，使每個新的分塊區(qū)域覆蓋多個舊的分塊區(qū)域；重復(fù)構(gòu)建空間引導(dǎo)光譜注意力模塊和光譜引導(dǎo)空間注意力模塊并連接在特征跨區(qū)域傳播模塊后，建立區(qū)域間的特征聯(lián)系；構(gòu)建特征解碼網(wǎng)絡(luò)模塊，特征解碼網(wǎng)絡(luò)模塊將區(qū)域恢復(fù)為整幅圖像，之后對完整的特征圖像進(jìn)行處理，特征解碼網(wǎng)絡(luò)模塊包括兩個卷積層，兩個批歸一化層，兩個激活函數(shù)層和一個反卷積層，其中，卷積層卷積核尺寸分別是3×3，1×1，激活函數(shù)層采用LeakyReLU層，反卷積層卷積核尺寸為2，步長為2；設(shè)置訓(xùn)練參數(shù)和損失函數(shù)策略，對構(gòu)建好的恢復(fù)算法模型進(jìn)行訓(xùn)練并驗(yàn)證；通過所述恢復(fù)算法模型將壓縮感知圖像恢復(fù)為高光譜圖像。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人北京理工大學(xué)重慶創(chuàng)新中心;北京理工大學(xué)，其通訊地址為：401120 重慶市渝北區(qū)龍興鎮(zhèn)曙光路9號9幢；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。