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！

龙图腾网获悉武汉大学申请的专利联合双低秩和空谱全变差的混合噪声高光谱影像复原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：CN115439344B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202210919226.6，技术领域涉及：G06T5/70；该发明授权联合双低秩和空谱全变差的混合噪声高光谱影像复原方法是由张洪艳;蔡静宜;杨光义;张良培设计研发完成，并于2022-08-02向国家知识产权局提交的专利申请。

本联合双低秩和空谱全变差的混合噪声高光谱影像复原方法在说明书摘要公布了：本发明提供一种联合双低秩和空谱全变差的混合噪声高光谱影像复原方法，通过分别利用低秩张量近似和逐波段低秩矩阵近似模型挖掘无噪高光谱遥感影像和条带噪声的低秩性质，同时引入各向异性空间光谱全变差模型，建立联合双低秩近似和各向异性空间光谱全变差的高光谱遥感影像多类型混合噪声去除模型；利用交替方向乘子法进行求解得到无噪高光谱遥感影像。将本发明应用于高分五号高光谱遥感影像混合噪声去除，真实高分五号高光谱遥感影像实验表明，本发明可以更有效地去除高分五号高光谱遥感影像中的多类型、高强度混合噪声，同时保护影像高维结构信息，大大提高高分五号高光谱遥感影像质量。

本发明授权联合双低秩和空谱全变差的混合噪声高光谱影像复原方法在权利要求书中公布了：1.一种联合双低秩和空谱全变差的混合噪声高光谱影像复原方法，其特征在于，包括以下步骤： 步骤1，建立双低秩近似模型； 步骤2，对步骤1得到的双低秩近似模型，将各向异性空间光谱全变差模型引入到其去噪框架中，建立联合双低秩近似和各向异性空间光谱全变差的高光谱遥感影像多类型混合噪声去除模型； 步骤3，对步骤2得到的联合双低秩近似和各向异性空间光谱全变差的高光谱遥感影像多类型混合噪声去除模型，利用交替方向乘子法进行优化求解，得到无噪高光谱遥感影像； 步骤3的具体实现包括以下步骤； 步骤3.1，对步骤2得到的联合双低秩近似和各向异性空间光谱全变差的高光谱遥感影像多类型混合噪声去除模型，首先将、、、和五个辅助变量引入到最小化问题中，多类型混合噪声去除模型的最小化相当于以下公式： 4 步骤3.2，利用交替方向乘子法进行求解，该方法最小化以下增广拉格朗日函数： 5 其中，是惩罚参数，、、、、和是拉格朗日乘子； 步骤3.3，在一个变量上迭代优化增广拉格朗日函数5，同时固定其他变量，具体为： 步骤A.在第k+1次迭代中，更新变量如下： 6 其中，张量奇异值阈值t-SVT算子定义如下： 7 其中，，且； 步骤B.在第k+1次迭代中，更新变量如下： 8 其中，软阈值收缩算子表示为： 9 步骤C.在第k+1次迭代中，更新变量如下： 10 其中， 11 其中，表示快速傅里叶变换，为其逆变换； 步骤D.在第k+1次迭代中，更新和变量如下： 12 13 步骤E.在第k+1次迭代中，更新变量如下： 14 其中，、、、,、和表示第i个波段上大小为的矩阵，且奇异值收缩算子服从： 15 步骤F.在第k+1次迭代中，更新变量如下： 16 步骤G.在第k+1次迭代中，更新变量如下： 17 步骤H.在第k+1次迭代中，更新拉格朗日乘子、、、、和如下： 18 步骤I.在第k+1次迭代中，更新惩罚参数如下： 19 步骤J.在第k+1次迭代中，检查是否满足如下收敛条件： 20 若满足收敛条件，则输出无噪高光谱遥感影像；若不满足收敛条件，则使并重复步骤A~J。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山武汉大学；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。