摘要
本发明公开了一种基于深度非线性变换张量低秩表示的高光谱融合成像方法及装置,该方法包括以下步骤:在观测场景中采集高光谱压缩测量的同时采集一个先验多光谱图像,将两个数据同时作为输入;基于张量表示与深度学习理论,建立一种针对高光谱图像的新型深度非线性变换张量低秩正则化,充分刻画高光谱图像在深度非线性变换域下的全局高维低秩相关性;将该正则化项作为目标函数,同时将压缩成像与光谱退化过程分别建模为两个数据保真项,构建融合成像模型及损失函数;通过学习算法最小化损失函数以优化该模型,融合重建出完整的高光谱图像。本发明提出的新方法及所设计的新装置无需人工干预与显式中间步骤即可实现对观测场景进行高精度融合成像。
技术关键词
融合成像方法
非线性
观测场景
张量低秩正则化
多光谱
图像
深度学习理论
张量奇异值分解
学习算法
整流单元
新型深度
变换特征
编码孔径光谱成像
数学
网络结构
光谱传感器
融合成像装置
系统为您推荐了相关专利信息
光伏发电工程
序列
非线性
风险预测模型
贝叶斯准则
神经网络控制器
优化控制方法
变工况
优化控制目标
神经网络控制方法
智能辅助系统
患者
可穿戴设备
图像增强单元
综合相关系数
误差校正方法
模糊逻辑算法
弹簧垫圈
校正策略
模糊逻辑系统