龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：浙江大学
摘要：本发明公开了一种基于反馈信息引导下光谱可变注意力的高光谱图像解混方法及装置，涉及高光谱解混领域。包括：1图像预处理；2构造基于反馈信息引导下光谱可变注意力的神经网络；3利用训练样本对基于反馈信息引导下光谱可变注意力的神经网络进行训练，调整网络参数权重，得到训练后的解混神经网络模型；4针对待解混的高光谱图像，预测高光谱图像解混结果。本发明所提出的方法基于反馈机制着重于光谱可变信息的挖掘，针对性地设计了反馈增强、光谱可变注意力以及生成式解码器模块，能够更好地抑制光谱可变性对解混的影响，提高端元提取和丰度估计的精度。
主权项：1.一种基于反馈信息引导下光谱可变注意力的高光谱图像解混方法，其特征在于包括以下步骤：步骤1：从原始高维波段数的高光谱图像中筛选有效的光谱信息并将图像投影为较低光谱维度的特征图；步骤2：构造基于反馈信息引导下光谱可变注意力的神经网络，所述神经网络包括基于移动窗的Transformer编码器层、丰度编码层、线性重构层、反馈增强模块、光谱可变注意力模块和生成式解码器模块；，利用随机参数作为网络的初始权重；其中，基于移动窗的Transformer模块用于从特征图中挖掘深层特征；丰度编码层从深层特征中提取丰度信息；线性重构层基于丰度信息线形重构图像；反馈增强模块基于重构图像深层特征的差异得到互补特征图；光谱可变注意力模块在互补特征图引导下挖掘深层特征中的光谱可变信息；生成式解码器模块用于对光谱可变信息建模，并生成缩放项和扰动项；步骤3：利用训练样本对基于反馈信息引导下光谱可变注意力的神经网络进行训练，调整网络参数权重，得到训练后的解混神经网络模型；步骤4：将待解混的高光谱图像输入训练好的解混神经网络模型，模型的丰度编码层输出丰度图作为丰度估计结果，并将线性重构层的权重作为端元估计的结果，实现对高光谱图像的解混。
全文数据：
权利要求：
百度查询： 浙江大学 基于反馈信息引导下光谱可变注意力的高光谱图像解混方法及装置
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号