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！

龙图腾网获悉西安交通大学申请的专利一种自适应深度先验的压缩感知光谱重构方法及系统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：CN119625107B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411762163.3，技术领域涉及：G06T11/00；该发明授权一种自适应深度先验的压缩感知光谱重构方法及系统是由李杰;张吉儒;吴海英设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本一种自适应深度先验的压缩感知光谱重构方法及系统在说明书摘要公布了：本发明公开了一种自适应深度先验的压缩感知光谱重构方法及系统，通过CASSI系统前向过程生成压缩观测图像，然后对CASSI系统压缩观测问题进行建模，将待求解的最优化问题分解为数据保真和降噪两个子问题；对CASSI系统生成的二维压缩观测图像进行欧几里得线性投影，使用一个预训练自适应噪声水平估计网络，对每一次迭代过程中数据项的噪声水平进行动态估计；使用预训练自适应降噪网络对投影结果进行降噪，使用三维卷积在升维后数据的空间维度与通道维度上滑动计算；使用自适应迭代停止检测器检测输出结果是否达到最优，直到自适应迭代停止检测器判断当前重构结果小于容差，退出循环，输出最优重构结果。

本发明授权一种自适应深度先验的压缩感知光谱重构方法及系统在权利要求书中公布了：1.一种自适应深度先验的压缩感知光谱重构方法，其特征在于，包括以下步骤： S1、通过CASSI系统前向过程生成压缩观测图像，然后对CASSI系统压缩观测问题进行建模，将待求解的最优化问题分解为先验项和数据保真项； S2、对步骤S1得到的数据保真项进行欧几里得线性投影，得到投影结果； S3、使用预训练的自适应噪声水平估计网络对步骤S2得到的投影结果进行噪声水平估计，输出各个通道的噪声水平估计图； S4、使用预训练的自适应降噪网络对步骤S2得到的投影结果和步骤S3得到的噪声水平估计图进行降噪，使用三维卷积在升维后数据的空间维度与通道维度上滑动计算，自适应计算任意波段数量与分辨率的输入数据，得到步骤S1中先验项子问题单次迭代下的神经网络估计结果，使用预训练自适应降噪网络对投影结果进行降噪： 其中，为噪声水平下工作的降噪器，为降噪后的光谱图像； 噪声水平下工作的降噪器由预训练的双维度卷积Transformer降噪网络实现，初始输入的数据为步骤S2输出的和步骤S3输出的联结而成的，最后输出降噪后的光谱图像； 输入的特征图尺寸首先经过光谱维度与空间维度的并行三维卷积，通过融合双维度特征图得到输出； 经过三维卷积模块后的特征图将分为两路，一路输入光谱自注意力模块进一步提取光谱维度信息，另一路与光谱自注意力的输出相加实现注意力的残差学习； 光谱自注意力模块将输入的特征图在空间维度进行全局平均池化，降维到；然后经过特定形式的线性映射，得到变换后的键值和查询，二者进行矩阵乘法使用Softmax得到注意力权重图； 另一路将特征图在维度上经过线性层变换，得到映射后的值，将注意力权重图与的后两个维度做矩阵乘法，再经过可学习线性层的映射得到最终的光谱注意力强化的输出结果； 光谱自注意力模块的输出继续输入自调制前馈神经网络进行信息整合和非线性映射；输入的特征图首先经过线性层的调整将通道数扩大2倍，得到；分为两路，一路经过两个线性层和一个GeLU激活函数，得到输出，另一路将输入张量的最后一个维度进行切片，拆分两路，通过激活函数计算自身元素的调制系数并逐元素相乘，最终得到自调制参数，自调制前馈神经网络的输出结果为，作为整个Transformer模块的降噪输出； S5、如果步骤S4输出结果没有达到最优，返回步骤S2进行迭代，直到当前重构结果小于容差，退出循环，输出最优重构结果，使用自适应迭代停止检测器检测输出结果是否达到最优，自适应迭代检测器使用滑动方差对一段窗口内的重构结果进行监控： 其中，为窗口长度，表示当前时刻，为时刻的滑动方差，为时刻起第次的输出结果，为时刻起第次的输出结果。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。