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！

龙图腾网获悉南京审计大学申请的专利集成稀疏和低秩先验的高光谱图像恢复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：CN119850454B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202411581380.2，技术领域涉及：G06T5/70；该发明授权集成稀疏和低秩先验的高光谱图像恢复方法是由张凡龙;任翔宇;孙岩;杨章静设计研发完成，并于2024-11-07向国家知识产权局提交的专利申请。

本集成稀疏和低秩先验的高光谱图像恢复方法在说明书摘要公布了：本发明公开了一种集成稀疏和低秩先验的高光谱图像恢复方法，包括：识别图像信息；编码输入优化模型：对图像特征进行提取，将提取的特征输入编码器，再将编码后的特征排列成一个观测矩阵，并将所述观测矩阵输入到优化模型，所述优化模型用于将观测矩阵分解为捕捉数据基本结构的低秩矩阵L和捕捉异常值的稀疏矩阵S；用算法计算恢复；恢复输出图像：通过分析含噪的高光谱图像数据并分解得到低秩底层结构L和稀疏异常S，然后分别恢复低秩部分L和稀疏部分S，最后将低秩部分L和稀疏部分S组合起来生成最终的恢复结果，即经过处理的图像；本发明不仅能够更好地处理复杂数据集，还能提高图像恢复的质量。

本发明授权集成稀疏和低秩先验的高光谱图像恢复方法在权利要求书中公布了：1.一种集成稀疏和低秩先验的高光谱图像恢复方法，其特征在于，包括以下步骤： 步骤1、识别图像信息； 步骤2、编码输入优化模型：对图像特征进行提取，将提取的特征输入编码器，再将编码后的特征排列成一个观测矩阵，并将所述观测矩阵输入到优化模型，所述优化模型用于将观测矩阵分解为捕捉数据基本结构的低秩矩阵L和捕捉异常值的稀疏矩阵S； 步骤2具体包括以下步骤： 步骤2.1、利用鲁棒主成分分析将观测矩阵分解为低秩矩阵和捕捉异常值的稀疏矩阵： minL,SrankL+λ‖S‖0s.t.D＝L+S 表示观测矩阵，为低秩矩阵和捕捉异常值的稀疏矩阵的和，基数‖S‖0表示S中非零元素的数量； 步骤2.2、将秩函数替换为核范数，将L0范数替换为L1范数： 步骤2.3、将鲁棒主成分分析扩展到投影鲁棒主成分分析： 其中P和Q分别是行平滑器和列平滑器； 步骤2.4、将投影鲁棒主成分分析中的核范数扩展到截断核范数，截断核范数如下： 步骤2.5、将投影鲁棒主成分分析中的L1范数扩展到对数双曲余弦函数，如下： gx＝ln[coshαx] 其中，α是一个缩放因子； 步骤2.6、对半二次函数和截断核进行集成，得到鲁棒集成稀疏和低阶先验： 步骤2.7、通过使用交替最小化来优化鲁棒集成稀疏和低阶先验： 保持S常数，并使目标函数相对于另一个变量L最小化，得到第一子问题： 通过第二子问题保持L恒定并最小化S： 步骤2.8、对于任何给定的矩阵和矩阵即AAT＝I,BBT＝I,其中r≤minm,n，第一子问题重写如下： 步骤3、用算法计算恢复； 步骤4、恢复输出图像：通过分析含噪的高光谱图像数据并分解得到低秩矩阵L和捕捉异常值的稀疏矩阵S，然后分别恢复低秩矩阵L和捕捉异常值的稀疏矩阵S，最后将恢复后的低秩矩阵L’和稀疏矩阵S’组合起来生成最终的恢复结果，即经过处理的图像。

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南京审计大学，其通讯地址为：210000 江苏省南京市浦口区雨山西路86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。