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！

龙图腾网获悉北京理工大学(珠海)申请的专利一种基于深度学习的双域约束高光谱图像重构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：CN121074272B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511604417.3，技术领域涉及：G06T17/00；该发明授权一种基于深度学习的双域约束高光谱图像重构方法是由郑德智;张宇航;黄斌;崔桐设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本一种基于深度学习的双域约束高光谱图像重构方法在说明书摘要公布了：本发明公开了一种基于深度学习的双域约束高光谱图像重构方法，涉及计算成像与人工智能技术领域。本发明通过在光谱重构域和稀疏系数域同时施加约束，同时确保其内在稀疏结构符合物理先验，双域信息的互补与验证显著提升了重构结果的保真度，减少伪影和噪声；利用深度神经网络实现重构，对新的压缩测量值仅需一次前向传播即可输出重构结果，大幅降低计算复杂度，提升重构速度，具备实时处理的潜力；将稀疏性物理先验显式融入网络学习目标，能有效抵抗噪声干扰，减少噪声对重构结果的影响；通过反向传播算法对双头深度神经网络进行端到端的优化训练，自动学习最佳映射关系，大幅降低了方法的操作难度与应用门槛。

本发明授权一种基于深度学习的双域约束高光谱图像重构方法在权利要求书中公布了：1.一种基于深度学习的双域约束高光谱图像重构方法，其特征在于，包括： 获取压缩测量值，采用快照式压缩光谱成像系统对目标场景进行光学编码与采样，获取单帧二维压缩测量图像，并将单帧二维压缩测量图像中每个空间位置对应的编码压缩信号整理为测量值向量； 构建双头深度神经网络模型，将所述测量值向量作为双头深度神经网络的输入数据，其中，双头深度神经网络包含一个共享的特征提取主干网络以及两个并行的输出头； 构建双域联合损失函数，所述双域联合损失函数由重构域损失与稀疏域损失加权组成，其中，稀疏域损失包括稀疏性促进损失和系数重构损失； 端到端模型训练，获取测量值向量与真实光谱的数据对，基于测量值向量与真实光谱数据对，通过反向传播算法对双头深度神经网络进行优化训练，最小化双域联合损失函数，直至双头深度神经网络模型收敛； 快速重构与部署，部署训练收敛的双头深度神经网络模型，基于双头深度神经网络模型对新获取的压缩测量值进行一次前向传播，提取重构域头的输出作为最终的高光谱重构结果； 所述双头深度神经网络模型，具体包括： 局部空间特征提取：基于测量值向量对应的空间位置，采用卷积神经网络前端对测量值向量进行重塑与特征提取，提取重塑为单通道二维特征图的局部空间特征； 全局特征获取：将提取到的局部空间特征进行展平处理，获取局部空间特征向量，并将局部空间特征向量输入至多层感知机主干网络进行深度非线性特征提取，获取全局特征向量； 双头深度神经网络模型输出：基于多层感知机主干网络将获取到的全局特征向量输送至连接的两个独立的全连接层中，分别生成重构光谱曲线和稀疏系数值； 所述两个独立的全连接层包括光谱头和系数头，形成重构域头与稀疏域头，其中，光谱头用于将全局特征向量映射为对应空间位置的重构光谱曲线，系数头用于将全局特征向量映射为该重构光谱曲线在预设稀疏基下的稀疏系数值，其中，所述预设稀疏基为离散小波变换基，所述稀疏域头输出的稀疏系数值为所述重构光谱曲线在所述离散小波变换基下的小波分解系数估计值。

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北京理工大学(珠海)，其通讯地址为：519000 广东省珠海市香洲区金凤路6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。