申请/专利权人：中国科学院长春光学精密机械与物理研究所

申请日：2024-04-29

公开（公告）日：2024-06-21

公开（公告）号：CN118096536B

主分类号：G06T3/4076

分类号：G06T3/4076;G06N3/042

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明涉及图像复原技术领域，尤其涉及一种基于超图神经网络的遥感高光谱图像超分辨率重构方法。包括：S1：获取遥感高光谱图像，并对遥感高光谱图像进行预处理，获得训练集和验证集；S2：构建超图神经网络；S3：利用训练集中的训练图像构建三层超图，并基于三层超图构建与训练图像相对应的超图算子；S4：利用训练图像和与训练图像相对应的超图算子对超图神经网络进行训练，并利用损失函数对超图神经网络的网络参数进行迭代，获得训练好的超图神经网络；S5：将待重构的低分辨率遥感高光谱图像输入至训练好的超图神经网络进行重构，获得高分辨率遥感高光谱图像。本发明具有出色的重构结果。

主权项：1.一种基于超图神经网络的遥感高光谱图像超分辨率重构方法，其特征在于，具体包括如下步骤：S1：获取遥感高光谱图像，并对所述遥感高光谱图像进行预处理，获得训练集和验证集；S2：构建超图神经网络；S3：利用所述训练集中的训练图像构建三层超图，并基于所述三层超图构建与所述训练图像相对应的超图算子；S31：在所述训练图像上依次选取目标节点，并计算每个目标节点与相邻八个像素的LBP值，选取与所述目标节点的LBP值汉明距离最近的十个节点构造超边；S32：根据十个节点与所述目标节点的LBP值的汉明距离，通过下式为十个节点分配权重，获得包含LBP纹理特征的超图： （1）；其中，为第i节点的权重，和分别为目标节点与第i节点的LBP值的汉明距离和平均汉明距离；S33：计算所述目标节点与其他节点的光谱信号的欧式距离，并选取与所述目标节点欧氏距离最近的十个节点构造超边；S34：根据十个节点与所述目标节点的欧式距离，通过下式为十个节点分配权重，获得包含光谱聚类的超图： （2）；其中，和分别为目标节点与第i节点的欧式距离和平均欧式距离；S35：通过下式构建包含位置关系的超图： （3）； （4）； （5）；其中，和为包含位置关系的超图中的三种类型的超边；S36：将包含LBP纹理特征的超图、包含光谱聚类的超图和包含位置关系的超图拼接为包含LBP纹理特征、光谱聚类和位置关系的三层超图；S4：利用所述训练图像和与所述训练图像相对应的超图算子对所述超图神经网络进行训练，并利用损失函数对所述超图神经网络的网络参数进行迭代，获得训练好的超图神经网络；S5：将待重构的低分辨率遥感高光谱图像输入至训练好的超图神经网络进行重构，获得高分辨率遥感高光谱图像。

全文数据：

权利要求：

百度查询： 中国科学院长春光学精密机械与物理研究所 基于超图神经网络的遥感高光谱图像超分辨率重构方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD