买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜哈尔滨工业大学申请的专利基于多时相本征图像分解的地物光谱反射率图像提取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN111899257B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202010818747.3，技术领域涉及：G06T7/00；该发明授权基于多时相本征图像分解的地物光谱反射率图像提取方法是由高国明;谷延锋设计研发完成，并于2020-08-14向国家知识产权局提交的专利申请。

本基于多时相本征图像分解的地物光谱反射率图像提取方法在说明书摘要公布了：基于多时相本征图像分解的地物光谱反射率图像提取方法，本发明涉及多高光谱遥感图像反射率信息提取。本发明的目的是为了解决现有多高光谱遥感图像本征反射率信息提取精度低、鲁棒性差的问题。过程为：一：建立多时相遥感图像本征反射率信息表达模型；二：构建局部时‑空能量约束下的分解约束模型；三：将分解约束模型的最优解转化为共同反射率和2个阴影分量的迭代优化求解模型；四：给定多时相遥感图像和初始化参数，基于步骤三的迭代优化求解模型，求出最终本征反射率。本发明用于数字图像处理领域。

本发明授权基于多时相本征图像分解的地物光谱反射率图像提取方法在权利要求书中公布了：1.基于多时相本征图像分解的地物光谱反射率图像提取方法，其特征在于：所述方法具体过程为：步骤一：建立多时相遥感图像本征反射率信息表达模型，所述多时相遥感图像由相同的反射率分量和独立的阴影分量组成；步骤二：基于多时相遥感图像本征反射率信息表达模型，构建局部时-空能量约束下的分解约束模型，通过最小化局部时-空能量约束下的分解约束模型，获得分解约束模型的最优解，反演共同反射率R和各个图像的阴影分量；步骤三：将分解约束模型的最优解转化为共同反射率和2个阴影分量的迭代优化求解模型；步骤四：给定多时相遥感图像和初始化参数，基于步骤三的迭代优化求解模型，求出最终本征反射率；所述初始化参数为局部邻域尺度范围、邻域相似度调控参数，相邻迭代参数误差阈值以及反射率R和各个图像阴影分量的初始值；各个图像阴影分量的初始值设定为全零矩阵；所述步骤一中建立多时相遥感图像本征反射率信息表达模型，具体过程为：采集同一地点不同时刻的多时相多高光谱遥感图像，多时相遥感图像本征反射率信息表达模型为：I1＝S1RI2＝S2R其中，I1为时相1遥感图像，I2为时相2遥感图像，R为多时相遥感图像的共同反射率，I1、I2和R大小均为m行n列B波段，S1为时相1遥感图像I1的阴影分量，S2为时相2遥感图像I2的阴影分量，S1和S2大小均为m行n列；B为多高光谱遥感图像的光谱波段数；所述步骤二中局部时-空能量约束下的分解约束模型表示为： 其中，E表示局部时-空能量；P是图像中所有像素，其个数为m×n，Ni表示像素点i周围的局部邻域内的像素；Ri表示遥感图像第i点的反射率；式中wij表示像素点i和其近临点j的邻域相似度，邻域相似度计算公式如下： 其中，Iib表示图像I第i点第b波段的灰度值，Ijb表示图像I第j点第b波段的灰度值，σ为邻域相似度调控参数；通过对上述局部时-空能量约束下的分解约束模型的最小化约束，获得分解约束模型的最优解，反演共同反射率R和各个图像的阴影分量；即： 其中，Rb表示反射率R的第b波段的灰度值；所述步骤三中将分解约束模型的最优解转化为共同反射率和2个阴影分量的迭代优化求解模型，具体过程为：迭代优化求解模型如下： 其中，表示时相1遥感图像I1像素点i的阴影分量的倒数；I1ib表示时相1遥感图像I1第i点第b波段的灰度值；R1ib表示时相1遥感图像第i点第b波段的反射率；表示时相2遥感图像I2像素点i的阴影分量的倒数；I2ib表示时相2遥感图像I2第i点第b波段的灰度值；R2ib表示时相2遥感图像第i点第b波段的反射率；Rib表示多时相遥感图像第i点第b波段的反射率；Rjb表示多时相遥感图像第j点第b波段的反射率；wji表示像素点j和其近临点i的相似度；Nj表示像素点j周围的局部邻域内的像素；wjk表示像素点j和其近临点k的相似度；Rkb表示多时相遥感图像第k点第b波段的反射率；I1b表示图像I第1点第b波段的灰度值，I2b表示图像I第2点第b波段的灰度值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。