Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 辽宁师范大学王相海获国家专利权

辽宁师范大学王相海获国家专利权

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!

龙图腾网获悉辽宁师范大学申请的专利非局部相似块4D相关性约束的高光谱图像稀疏重构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:CN114593820B

龙图腾网通过国家知识产权局官网在2025-07-11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:202210144619.4,技术领域涉及:G01J3/28;该发明授权非局部相似块4D相关性约束的高光谱图像稀疏重构方法是由王相海;宋传鸣;李业涛;王顺;谢释铖设计研发完成,并于2022-02-17向国家知识产权局提交的专利申请。

非局部相似块4D相关性约束的高光谱图像稀疏重构方法在说明书摘要公布了:本发明公开一种非局部相似块4D相关性约束的高光谱图像稀疏重构方法,属于高光谱遥感图像压缩领域领域,对于每一波段组的高光谱图像,首先针对每一波段的非局部3D相似块,通过光谱维形成4D相似数据,然后通过小波变换获取非局部相似数据4D变换域上的稀疏性度量,将其作为高光谱遥感图像重建过程的约束先验,在此基础上结合全变差正则化方案获得高光谱图像稀疏重构模型。本发明充分挖掘高光谱图像的内在相关性,具有压缩比高、保真质量好、分组精确度要求较低、鲁棒性强等优点。

本发明授权非局部相似块4D相关性约束的高光谱图像稀疏重构方法在权利要求书中公布了:1.一种非局部相似块4D相关性约束的高光谱图像稀疏重构方法,其特征在于按照如下步骤进行: 步骤1.对于重构端第k组高光谱图像的各波段高斯随机矩阵采样的初始化值根据公式1建立4D变换域的非局部稀疏表示模型,所述Nk表示该组的波段数,表示大小为m×n的第i波段图像, 式中,Bj为中的8×8块,j=1,2,…,m-8×n-85;表示4D具有非局部相关性的8×8块组,具体形成过程是对每一波段图像寻找与Bj具有非局部相关性的5个8×8块,并将其按照相关性强度形成3D块,进一步将每一波段的3D块按照波段顺先形成4D非局部相似块组;表示对进行4D变换,即对每一波段所形成的3D块进行2D小波和1D离散余弦混合变换,然后再进行谱间的1D小波变换; 步骤2.根据公式2建立第k组波段的压缩感知重构模型4DNTCoSM 其中A为采样矩阵,Y为采样数据; 为第k组高光谱图像第i个波段内每个像素水平梯度和竖直梯度和; 为第k组高光谱图像的第i个波段和第i-1个波段每个像素差的绝对值和,当i为1时,按对称延拓原则选取i-1为2; 步骤3.利用公式3将所建立的重构模型2转化为最优化问题进行求解: 其中,λ为一个非负参数; 步骤4.引入一个中间变量uk,并令Xk=uk,从而将公式3转化为4式; 步骤5.采用基于增广拉格朗日的交替方向法求解公式4,将其转化为公式5-7所示的三步迭代子问题: bt+1=btXkt+1-ukt+17 其中,μ和m为正值参数; 步骤6.利用“最速梯度下降法”对公式5求解: Xkt+1=Xkt-hATAXkt-Y+mXkt-ukt-bt8 其中,h是最优下降步长; 步骤7.对公式86和7迭代求解获得Xk。

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辽宁师范大学,其通讯地址为:116000 辽宁省大连市沙河口区黄河路850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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。