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一种基于光谱解混的高光谱、多光谱和全色图像融合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：CN115984155B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202211596525.7，技术领域涉及：G06T5/50；该发明授权一种基于光谱解混的高光谱、多光谱和全色图像融合方法是由张玮;田昕设计研发完成，并于2022-12-12向国家知识产权局提交的专利申请。

本一种基于光谱解混的高光谱、多光谱和全色图像融合方法在说明书摘要公布了：本发明公开了一种基于光谱解混的高光谱、多光谱和全色图像融合方法，属于遥感图像融合领域，适用于通过图像融合来提升高光谱图像空间分辨率的应用场景。本发明的融合方法基于光谱解混思想，将高光谱图像分解为端元矩阵和丰度矩阵，提升了计算效率，并利用组合稀疏约束和低秩约束提升了计算准确度。本发明方法在定性和定量方面均优于对比方法的输出高分辨率高光谱图像。

本发明授权一种基于光谱解混的高光谱、多光谱和全色图像融合方法在权利要求书中公布了：1.一种基于光谱解混的高光谱、多光谱和全色图像融合方法，其特征在于，包括如下步骤： 步骤1，输入同一区域的低分辨率高光谱图像、多光谱图像和全色图像； 步骤2，计算高光谱图像模糊矩阵、多光谱图像模糊矩阵、多光谱图像光谱响应矩阵和全色图像光谱响应向量； 步骤3，构建基于光谱解混和低秩组稀疏联合先验的高光谱、多光谱和全色图像融合模型； 步骤3所述高光谱、多光谱和全色图像融合模型由数据拟合项和先验信息约束项构成，数据拟合项即根据输入高光谱、输入多光谱、输入全色图像与输出高光谱图像之间的物理关系构建相应的数学表达式，使输出高光谱图像同时具备输入高光谱、输入多光谱、输入全色图像的信息，先验信息约束项即通过输出高光谱图像中应该蕴含的一些特征来约束输出高光谱图像，从而获得有效解； 所述数据拟合项的具体表达式如下； 记待求解的高光谱图像记为，其中，分别表示输入高光谱图像的波段数量、输入全色图像的宽、输入全色图像的高； 由于输入高光谱图像可以看作是输出高光谱图像经空间模糊下采样后的结果，多光谱图像可以看作是输出高光谱图像经空间模糊下采样和光谱下采样后的结果，全色图像可以看作是输出高光谱图像经光谱下采样后的结果，所以所述数据拟合项为： 其中，X表示输出高光谱图像，和分别表示高光谱图像模糊矩阵和多光谱图像模糊矩阵，和分别表示多光谱图像光谱响应矩阵和全色图像光谱响应向量，和分别表示高光谱图像下采样矩阵和多光谱图像下采样矩阵，，和分别表示输入高光谱图像、输入多光谱图像和输入全色图像，和表示权重参数，表示Frobenius范数； 先验信息约束项的具体表达式如下； 基于线性光谱解混可以将输出高光谱图像分解为端元矩阵和丰度矩阵； 端元矩阵记为，丰度矩阵记为，输出高光谱图像可以表示为： 代入数据拟合项中得到： 其中，E表示端元矩阵，A表示丰度矩阵，和分别表示高光谱图像模糊矩阵和多光谱图像模糊矩阵，和分别表示多光谱图像光谱响应矩阵和全色图像光谱响应向量，和分别表示高光谱图像下采样矩阵和多光谱图像下采样矩阵，，和分别表示输入高光谱图像、输入多光谱图像和输入全色图像，和表示权重参数，表示Frobenius范数； 对丰度矩阵施加组合稀疏约束和低秩约束，因此步骤3所述先验信息约束项为： 其中，A表示丰度矩阵，表示范数，表示核范数，和表示权重参数； 步骤4，优化求解高光谱、多光谱和全色图像融合模型，获得输出高分辨率高光谱图像。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299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。