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！

龙图腾网获悉中国地质大学(武汉)申请的专利基于多尺度超像素低秩表示的高光谱图像稀疏解混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：CN119168864B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202411292080.2，技术领域涉及：G06T3/4053；该发明授权基于多尺度超像素低秩表示的高光谱图像稀疏解混方法是由陈伟涛;王韬惟;王力哲设计研发完成，并于2024-09-14向国家知识产权局提交的专利申请。

本基于多尺度超像素低秩表示的高光谱图像稀疏解混方法在说明书摘要公布了：本发明公开了一种基于多尺度超像素低秩表示的高光谱图像稀疏解混方法，包括具体如下步骤：引入Frobenius范数计算得到重建高光谱图像与原始高光谱图像之间的差异值，取最小差异值作为目标函数的数据保真项；引入L1范数自适应构建丰度矩阵的光谱加权因子和空间加权因子得到目标函数的稀疏正则化项；基于超像素分割算法得到不同分割尺度的多个分割图；对每个分割图的超像素区域引入加权核范数约束得到目标函数的低秩表示正则化项；构建目标函数；通过交替方向乘子法求解目标函数。本发明通过构建多尺度超像素引导的低秩正则化项，自适应地整合来自多个分割尺度的互补信息，从而提高解混算法的性能和结果的准确性。

本发明授权基于多尺度超像素低秩表示的高光谱图像稀疏解混方法在权利要求书中公布了：1.一种基于多尺度超像素低秩表示的高光谱图像稀疏解混方法，其特征在于，包括具体如下步骤： S1、引入Frobenius范数计算得到重建高光谱图像与原始高光谱图像之间的差异值，取最小差异值作为目标函数的数据保真项； S2、基于原始高光谱图像中的丰度矩阵，引入L1范数自适应构建所述丰度矩阵的光谱加权因子和空间加权因子得到目标函数的稀疏正则化项； S3、设置原始高光谱图像的超像素大小，基于超像素分割算法得到不同分割尺度的多个分割图，并计算每个分割图的Calinski-Harabasz指数得到每个分割图的加权因子； S4、对每个分割图的超像素区域引入加权核范数约束得到目标函数的低秩表示正则化项； S41、获取不同分割尺度的多个分割图； S42、对每个分割图的超像素区域引入加权核范数约束得到同一超像素区域内的混合像元对应的丰度矩阵相似； S43、引入分割图的权重，自适应融合不同分割尺度的多个分割图特征； S44、基于加权核范数约束及分割图的权重得到目标函数的多尺度超像素引导的低秩表示正则化项； 具体地，对于第h个分割图，加入加权核范数约束，具体表示为： 式中，ωj是一个加权因子，它对较小的奇异值施加较大的惩罚，从而迫使其在下一次迭代中接近于零；Xi表示第i个超像素中混合像元对于的丰度矩阵； 目标函数的低秩表示正则化项表示为： 式中，β表示目标函数的低秩表示正则化项的超参数； S5、基于所述数据保真项、稀疏正则化项及低秩表示正则化项构建目标函数； S6、通过交替方向乘子法求解目标函数，获得目标丰度矩阵。

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中国地质大学(武汉)，其通讯地址为：430074 湖北省武汉市洪山区鲁磨路388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”。

以上内容由龙图腾AI智能生成。