-
公开(公告)号：CN115880199A
公开(公告)日：2023-03-31
申请号：CN202310195183.6
申请日：2023-03-03
Applicant: 湖南大学
IPC: G06T5/50 , G06V10/762 , G06V10/80
Abstract: 本发明公开了一种长波红外高光谱与多光谱图像融合方法、系统及介质，本发明方法包括将输入的长波高光谱图像Y(3)提取光谱基D；将输入的多光谱图像Z(3)进行聚类，根据聚类结构对空间系数矩阵C(3)进行相同聚类并将聚块拼接成张量，基于非局部相似性将预设的广义张量核范数引入为正则化项建立空间系数矩阵C(3)的求解模型，采用ADMM法优化求解得到空间系数矩阵C(3)；将光谱基D和空间系数矩阵C(3)融合，得到比长波高光谱图像Y(3)分辨率更高的长波红外高光谱图像X。本发明能够更好的获取张量不同模态之间的相关关系，使得融合获得长波红外高光谱图像的融合精度高、鲁棒性强。
-
公开(公告)号：CN115311187B
公开(公告)日：2023-01-24
申请号：CN202211243981.3
申请日：2022-10-12
Applicant: 湖南大学
Abstract: 本发明公开了一种基于内部和外部先验的高光谱融合成像方法、系统及介质，本发明方法包括采用超像素分割方法从输入的多光谱图像Z中学习图像的局部相似性以作为内部先验；采用深度学习神经网络从外部的任意灰度图像集中学习图像的外部先验；将内部先验和外部先验引入输入的低分辨率的高光谱图像Y和多光谱图像Z到输出的高分辨率的融合高光谱图像X的基础观测模型以建立优化观测模型，并求解所述优化观测模型从而获得高分辨率的融合高光谱图像X。本发明能够有效实现低分辨率高光谱图像与高分辨率多光谱图像的融合，得到高分辨率的高光谱图像，具有融合效果好、鲁棒性强的优点。
-
公开(公告)号：CN115456923A
公开(公告)日：2022-12-09
申请号：CN202211118069.5
申请日：2022-09-14
Applicant: 湖南大学
Abstract: 本发明公开了一种基于高光谱和多光谱图像融合生成高光谱图像的方法及系统，本发明基于高光谱和多光谱图像融合生成高光谱图像的方法包括：将输入的高光谱图像Y进行子空间分解以提取得到待生成的高光谱图像的左低秩向量U；将输入的多光谱图像Z通过训练好的深度生成网络，生成待生成的高光谱图像的右低秩向量V；将待生成的高光谱图像的左低秩向量U和右低秩向量V融合生成高光谱图像X；本发明的系统包括用于获取输入的高光谱图像Y以及多光谱图像Z的光学元件及成像传感器。本发明能够基于高光谱和多光谱图像融合生成高光谱图像，降低高光谱图像获取的成本和效率。
-
公开(公告)号：CN114757831A
公开(公告)日：2022-07-15
申请号：CN202210658844.X
申请日：2022-06-13
Applicant: 湖南大学
Abstract: 本发明公开了一种基于智能空谱融合的高分辨率视频高光谱成像方法、装置及介质，本发明基于智能空谱融合的高分辨率视频高光谱成像方法包括：1）分别对低分辨率的高光谱图像帧、高分辨率的RGB图像帧进行下采样；2）将下采样后的高光谱图像帧、RGB图像帧输入预先训练好的融合网络，获得高分辨率的高光谱图像帧。本发明基于智能空谱融合的高分辨率视频高光谱成像方法能够基于低分辨率的高光谱图像帧、高分辨率的RGB图像帧，通过预先训练好的融合网络，获得高分辨率的高光谱图像帧，从而可有效解决现有直接通过成像传感器来解决高光谱空间分辨率极其困难且成本高的问题，可有效降低获取高光谱图像帧的成本。
-
公开(公告)号：CN113421216A
公开(公告)日：2021-09-21
申请号：CN202110971174.2
申请日：2021-08-24
Applicant: 湖南大学
Abstract: 本发明公开了一种高光谱融合计算成像方法及系统，本发明包括将低分辨率高光谱图像Xlr进行子空间表示得到低秩光谱基S和低分辨率子空间系数Alr；将低分辨率子空间系数Alr上采样后与多光谱图像Y堆叠输入预先训练好的卷积神经网络得到高分辨率子空间系数A；将高分辨率子空间系数A、低秩光谱基S进行融合得到融合高分辨率高光谱图像X。本发明能够有效实现高精度定量建立并求解高光谱和多光谱图像的成像模型，并通过建立的成像模型从待融合图像中生成训练数据，解决训练数据不足的问题，并把卷积神经网络和子空间表示模型相结合，降低网络的参数，提升学习效率，具有模型轻量化、计算效率高、融合精度高等优点。
-
Patent Agency Ranking
公开(公告)号：CN112801881A
公开(公告)日：2021-05-14
申请号：CN202110395614.4
申请日：2021-04-13
Applicant: 湖南大学
Abstract: 本发明公开了一种高分辨率高光谱计算成像方法、系统及介质，本发明方法包括：对输入的RGB图像Y进行光谱上采样得到初始高光谱图像X0；将初始高光谱图像X0输入到预先完成训练的成像模型引导的深度卷积神经网络，通过迭代求解得到高光谱图像X，该深度卷积神经网络由多个具有相同结构的模块级联构成，每一个模块由高光谱先验学习模块HPL和成像模型引导模块IMG构成，高光谱先验学习模块HPL用于学习上一个模块或者初始高光谱图像X0的上采样结果的先验特征。本发明能够有效实现RGB图像到高分辨率的高光谱图像的重构，具有重构精度高、计算效率高、内存消耗小、泛化能力强的优点。
-
公开(公告)号：CN111369487B
公开(公告)日：2020-09-18
申请号：CN202010455786.1
申请日：2020-05-26
Applicant: 湖南大学
Abstract: 本发明公开了一种高光谱和多光谱图像融合方法、系统及介质，本发明高光谱和多光谱图像融合方法包括输入高光谱图像Y和多光谱图像Z；采用奇异值分解从高光谱图像Y中提取光谱子空间S；将多光谱图像Z和得到的光谱子空间S估计子空间系数A；根据将光谱子空间S、子空间系数A相乘得到融合后的高光谱图像X。本发明能够有效实现低分辨率的高光谱图像、高分辨率的多光谱图像融合得到高分辨率的高光谱图像，具有重构精度高、计算效率高、具有很强的普适性和鲁棒性，拥有抗噪声干扰的优点。
-
公开(公告)号：CN116433551B
公开(公告)日：2023-08-22
申请号：CN202310696883.3
申请日：2023-06-13
Applicant: 湖南大学
IPC: G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双光路RGB融合的高分辨率高光谱成像方法及装置，本发明方法包括：将针对同一场景两个光路的RGB图像进行融合得到融合图像；对时间步从最大时间步数T开始进行逆序均匀采样；首先计算时间步为最大时间步数T时的加噪高频信息；然后针对每一个时间步，根据时间步的加噪高频信息求解时间步的加噪高频信息直至时获得无噪高频信息；最终将融合图像和无噪高频信息相加得到高光谱图像。本发明旨在针对同一场景两个光路的RGB图像获得高分辨率的高光谱图像，从而显著提升高光谱图像的获取精度，大幅降低高光谱图像的获取成本。
-
公开(公告)号：CN116342455B
公开(公告)日：2023-08-08
申请号：CN202310614277.2
申请日：2023-05-29
Applicant: 湖南大学
IPC: G06T5/50 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种多源图像高效融合方法、系统及介质，本发明方法包括针对由两个特征提取网络D和一个特征重建网络F构成的多源图像高效融合网络进行下述训练：将样本对的源图像与分别输入特征提取网络D提取高维图像特征与，拼接为融合特征再经特征融合网络F生成融合图像；将与分别输入至中间信息层Li生成权重与以引导计算根据权重融合图像与权重源图像之间的相似性设计的损失函数Loss的值以完成特征提取网络D和特征融合网络F的训练。本发明具有融合速度快、视觉效果好、纹理信息明显、结构保持度高、普适性强的优点。
-
公开(公告)号：CN116416289A
公开(公告)日：2023-07-11
申请号：CN202310686721.1
申请日：2023-06-12
Applicant: 湖南大学
IPC: G06T7/33 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度曲线学习的多模图像配准方法、系统及介质，本发明方法包括将待配准图像、参考图像输入完成训练的多模图像配准网络：利用特征提取单元将堆叠后的待配准图像和参考图像进行特征提取得到特征F；利用全局约束子网络基于特征F，回归得到全局仿射变换参数A并将待配准图像的初始坐标映射为全局约束网格坐标G0；利用前向深度曲线学习的图像坐标估计子网络，结合G0获取准确的图像像素坐标G1；基于图像像素坐标G1对待配准图像进行重采样得到配准图像。本发明能够配准具有辐射和几何畸变的多分辨率、多尺度等多种模态的图像，实现多模图像的准确配准，可为图像准确融合、目标精确检测识别提供可靠支撑。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.028 seconds)
