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！

龙图腾网获悉江南大学申请的专利基于矩阵分解网络的无监督高光谱图像超分辨率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：CN115861076B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202211694714.8，技术领域涉及：G06T3/4053；该发明授权基于矩阵分解网络的无监督高光谱图像超分辨率方法是由刘建军;张静怡;金迪一;尚艳丽;杨金龙设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本基于矩阵分解网络的无监督高光谱图像超分辨率方法在说明书摘要公布了：本发明公开了基于矩阵分解网络的无监督高光谱图像超分辨率方法，属于高光谱图像处理技术领域。本发明对高光谱图像处理，生成模拟的低空间分辨率高光谱图像Y和高空间分辨率的多光谱图像Z；首先将生成的数据对Y，Z输入设计的自动编码器网络，训练迭代得到点扩散函数和光谱响应函数；对于目标高空间分辨率高光谱图像X，可以假设为末端成员矩阵A和对应丰度矩阵S的线性组合，即X＝AS，结合光谱和空间退化模型进行建模，通过设计的深度CP分解模块计算A，迭代求解A和S，最后得到融合结果。本发明能够得到更加丰富的光谱和空间特征，得到了更好的融合结果，在实践中表现出了良好的性能。

本发明授权基于矩阵分解网络的无监督高光谱图像超分辨率方法在权利要求书中公布了：1.一种高光谱图像超分辨率方法，其特征在于，所述高光谱图像超分辨率方法包括： 步骤1：对高光谱图像处理，生成模拟的低空间分辨率高光谱图像Y和高空间分辨率的多光谱图像Z，作为训练数据； 步骤2：将步骤1生成的数据对Y，Z输入自动编码器网络，训练迭代得到点扩散函数B和光谱响应函数R； 步骤3：对于目标高空间分辨率高光谱图像X，假设为末端成员矩阵和对应丰度矩阵的线性组合；将初始末端成员矩阵A0和初始丰度矩阵S0作为可训练参数，将步骤2中估计的B和R输入深度CP分解网络，通过深度CP分解网络求解期望末端成员矩阵A； 步骤4：结合步骤2中得到的点扩散函数B和光谱响应函数R，并结合退化模型和矩阵分解模型，对目标进行建模，设计正则项，通过网络展开迭代求解末端成员矩阵A和对应丰度矩阵S，最终得到融合的图像； 所述步骤2具体包括： 步骤2.1：所述低空间分辨率高光谱图像Y和高空间分辨率的多光谱图像Z的退化模型被分别建模为： Z=RX+Nm，Y=XB+Nh 其中，Nm和Nh分别代表不同的信噪比，X代表目标高空间分辨率高光谱图像； 联立上面两个式子建模得到：ZB=RY，最终目标函数为：min||ZB-RY||； 步骤2.2：通过自动编码器网络来求解： 输入生成的数据对Y，Z，随机初始化点扩散函数B和光谱响应函数R，B的width和height均为2*ratio-1，其中ratio为采样率，即两个数据空间分辨率大小之比，R的大小为C，c，其中C代表高光谱数据的波段数，c代表多光谱数据的波段数，将B和R作为网络的可训练参数； 步骤2.3：将R作为卷积核，通过卷积形式实现张量乘法，同理应用于ZB，最终优化目标函数min||ZB-RY||，迭代求解Z1和Y1，其中，Z1和Y1是通过学习到的B和R二次退化得到的，对得到的Z1和Y1归一化处理，并保存B和R； 所述步骤3具体包括： 步骤3.1：根据矩阵分解模型：X=AS，建立目标函数：min||X-AS||，其中A代表末端成员矩阵，S代表对应的丰度矩阵； 步骤3.2：随机初始化末端成员矩阵A和丰度矩阵S，得到初始末端成员矩阵A0和对应的初始丰度矩阵S0，得到初始目标图像X0=A0S0；其中，A大小为1，rank，H，W，其中rank为设定的CP秩，H和W为多光谱数据的长和宽，S大小为C，rank，1,1，C为高光谱数据的波段数，将步骤2中得到的点扩散函数B和光谱响应函数R作为输入； 步骤3.3：将初始末端成员矩阵A0输入低秩张量生成模块LRTG，首先通过一个卷积Conv提取浅层特征，然后使用卷积Conv-ReLU-Conv来生成输入的特征图，空间核的大小为3x3，将提取得到的特征图输入深度CP分解模块，先分别在通道，高度和宽度维度上进行全局池化GAP，得到向量C1，C2，C3，三者进行Kroneckor乘积生成张量O，然后引入残差学习来学习不同频率的张量Oii=1,2…r： 对生成的Oi提取残差部分，看作是Oi无法恢复的高频信息；剩余部分再次由所述低秩张量生成模块LRTG处理以生成Oi+1i=1,2…r；最后，进入低秩张量学习模块LRTL，给定预先定义的CP秩r，通过r次的低秩张量生成模块来生成r个张量{O1、O2、...Or}，最后将所有生成的张量聚合为一个低秩张量，采用卷积层将堆叠张量聚合成期望的末端成员矩阵A。

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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。