-
公开(公告)号：CN119251068A
公开(公告)日：2025-01-03
申请号：CN202411760944.9
申请日：2024-12-03
Applicant: 湖南大学
IPC: G06T5/50 , G06T3/4007 , G06T3/4053 , G01J3/28 , G01J3/02
Abstract: 本发明公开了一种高分辨率高光谱视频融合成像装置与方法，本发明高分辨率高光谱视频融合成像装置包括镜头、分光器件和多个成像芯片，所述多个成像芯片包括全色CCD芯片黑至少一个像元级马赛克镀膜CCD芯片，所述镜头捕获目标的反射光线后经过分光器件分为多束，并分别通过多个成像芯片接收并转换为电信号；本发明成像方法包括将高分辨率全色图像Y与低分辨率高光谱图像X融合的问题转换为估计光谱子空间D及其子空间系数矩阵C的问题以实现对高分辨率高光谱图像的融合成像。本发明旨在解决高分辨率高光谱图像实现难、成本高的问题，降低高光谱图像获取成本，提高获取效率。
-
公开(公告)号：CN116071237B
公开(公告)日：2023-06-20
申请号：CN202310179342.3
申请日：2023-03-01
Applicant: 湖南大学
Abstract: 本发明公开了一种基于滤光片采样融合的视频高光谱成像方法、系统及介质，本发明包括获取RGB视频流和通过滤光片获得的滤波视频流，提取RGB图像帧I和滤波图像帧F；对RGB图像帧I上采样为浅层光谱特征图X0再光谱重构为细粒化特征图V；对滤波图像帧F滤波曲线优化得到高光谱图像X1；将细粒化特征图V、高光谱图像X1融合为构成高光谱视频流的高光谱图像帧X。本发明以RGB视频流和通过滤光片获得的滤波视频流进行视频高光谱融合成像，结合先进的深度学习技术充分挖掘RGB图像帧、滤波图像帧、高光谱图像帧三者之间的特征，能够实现对高光谱视频流的快速成像，可用于实现小体积的高空间分辨率的视频高光谱成像设备。
-
公开(公告)号：CN112990164B
公开(公告)日：2021-07-27
申请号：CN202110542741.2
申请日：2021-05-19
Applicant: 湖南大学
Abstract: 本发明公开了一种多光谱与全色图像联合配准与模糊核估计方法与系统，本发明方法包括建立图像偏移量学习子网络、空间和光谱模糊核估计子网络，连接得到可端到端训练的多光谱、全色图像配准与模糊核估计网络；结合遥感卫星原始全色图像与多光谱图像构建训练数据集，通过训练数据集训练优化多光谱、全色图像配准与模糊核估计网络，训练完成得到空间模糊核与光谱模糊核。本发明仅利用从卫星直接得到的低空间分辨率多光谱图像和高空间分辨率的全色图像以及其空间光谱联系，可无监督训练学习得到配准的全色图像以及空间和光谱模糊核，可应用于遥感卫星自然灾害监测、农作物检测、矿产勘探和土地资源调查等实际应用领域。
-
公开(公告)号：CN112801881B
公开(公告)日：2021-06-22
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：CN116416289B
公开(公告)日：2023-08-25
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。
-
Patent Agency Ranking
公开(公告)号：CN115311187A
公开(公告)日：2022-11-08
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：CN114757831B
公开(公告)日：2022-09-06
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：CN113743001A
公开(公告)日：2021-12-03
申请号：CN202110930163.X
申请日：2021-08-13
Applicant: 湖南大学
Abstract: 本发明公开了一种面向光谱超分辨率重建的滤光片设计方法、滤光片及系统，本发明设计方法包括采用高光谱图像训练数据和滤光片响应参数优化模型来训练获得最优的滤光片响应参数的步骤，所述滤光片响应参数优化模型包括：滤光片响应曲线学习层，用于基于滤光片组响应参数模拟滤光片，并将高光谱图像训练数据中的高光谱图像样本生成对应的多通道图像；高光谱图像重构网络，用于从多通道图像重构获得重构后的高光谱图像。本发明基于滤光片响应曲线学习层、高光谱图像重构网络能够解决联合优化存在的超参数问题，实现滤光片组响应参数和高光谱图像重构网络同时达到最优，利用该方案成像硬件可给出更优的光谱恢复结果。
-
公开(公告)号：CN113421216B
公开(公告)日：2021-11-12
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。
-
公开(公告)号：CN111369487A
公开(公告)日：2020-07-03
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。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.042 seconds)
