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！

龙图腾网获悉农业农村部南京农业机械化研究所申请的专利一种基于深度学习可重建任意波段的计算连续光谱成像方法和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：CN121095362B 。

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：202511639866.1，技术领域涉及：G06T9/00；该发明授权一种基于深度学习可重建任意波段的计算连续光谱成像方法和系统是由蔡泽宇;金诚谦;倪有亮;杨腾祥;陈满;刘政;张光跃;袁文胜;钱震杰;徐金山;冯玉岗;代冬设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本一种基于深度学习可重建任意波段的计算连续光谱成像方法和系统在说明书摘要公布了：本发明提供了一种基于深度学习可重建任意波段的计算连续光谱成像方法和系统，涉及计算光谱成像、光谱图像重建和信号处理技术领域，包括获取高光谱图像及压缩测量数据，构建训练数据集，构建深度展开框架，基于训练数据集对深度展开框架进行训练，得到训练后深度展开框架的权重文件，基于训练后的深度展开框架对压缩测量数据进行推理运算，得到连续光谱图像，应用中，根据任意光谱波段或外部模型结合得到的连续光谱图像，输出重建所需光谱图像，基于重建所需光谱图像进行相关的下游任务。本发明改变了重建任务的目标，以连续方程集合的形式存储光谱图像，使网络的输出能快速获取任意位置的光谱及其高阶导数，提高了在下游应用中的灵活性。

本发明授权一种基于深度学习可重建任意波段的计算连续光谱成像方法和系统在权利要求书中公布了：1.一种基于深度学习可重建任意波段的计算连续光谱成像方法，其特征在于，包括： 预训练阶段： 步骤1：获取高光谱图像及其对应的压缩测量数据，构建高光谱图像的训练数据集； 步骤2：构建深度展开框架；具体为： 定义任务的数学公式为： Y=ΦHX+G1 式中，Y为编码压缩后光谱图像的测量值，X为真实的光谱图像，H是光谱维度上的下采样操作，Φ为压缩感知矩阵，G为噪声； 根据其设计深度展开框架为： 2 式中，为不考虑下采样的待重建光谱图像，为网络k+1迭代后对上一轮学习后的输出结果，为压缩感知矩阵，为k次迭代后对学习后的输出结果，为k+1次迭代后对学习后的输出结果，是数据保真度项，是先验项，和是超参数，是关于的辅助变量，是让和接近同一不动点的惩罚参数，是连续性保真项，为对k+1次迭代后Z预先设计的先验公式，根据迭代求解步骤，设计基于深度学习的深度展开网络，为： 3 式中，和是超参数，为组成的数组，为组成的数组，、为k+1次迭代使用超参数，为超参数估计模块，P·和D·是针对深度展开框架设计的深度学习模块，分别代表梯度下降模块和去噪模块，E·是连续函数的参数估计模块，为深度展开框架中基于保真项所设计的深度学习模块，输入为括号里面的参数，输出为，为深度展开框架中基于去噪项所设计的深度学习模块，为用于连续函数的参数估计所设计的深度学习模块，为光谱波段，为在波段上均匀采样数组中序列号为n的波段，n为正整数，是离散化模块，网络经过m个迭代阶段，最终输出连续光谱函数； 步骤3：基于高光谱图像的训练数据集对深度展开框架进行训练，得到训练后的深度展开框架的权重文件； 使用阶段： 步骤4：基于训练后的深度展开框架对压缩测量数据进行推理运算，得到连续光谱图像； 步骤5：将得到的连续光谱图像与任意光谱波段进行结合或者将得到的连续光谱图像与外部模型进行结合，输出重建所需光谱图像，基于重建所需光谱图像进行相关的下游任务。

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农业农村部南京农业机械化研究所，其通讯地址为：210000 江苏省南京市玄武区中山门外柳营100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。