多光谱卫星遥感图像的隐式表示及锐化方法
摘要文本
电子科技大学取得“一种透气窗帘布”专利技术,本发明公开了一种多光谱卫星遥感图像的隐式表示及锐化方法,包括如下步骤:S1、生成二维坐标;S2、坐标归一化;S3、网格编码;S4、MLP处理;S5、空间保真分支;S6、光谱保真分支;S7、计算总损失;S8、反向传播与梯度更新;S9、不断优化和学习网络中的参数,直到S4输出的融合结果达到设定的效果。本发明使用隐式神经表示和网格编码对HRMS图像进行建模,然后引入PAN和LRMS图像信息,并通过迭代的方式逐步获得融合结果。该方法不需要大量的标注训练数据,也不需要耗费大量的迭代时间,并且其模型参数较小,这使得该方法更加高效和适用于遥感图像融合任务。
专利主权项内容
关注公众号马 克 数 据 网 1.多光谱卫星遥感图像的隐式表示及锐化方法,其特征在于,包括如下步骤:S1、生成二维坐标:根据目标图像的分辨率生成二维坐标,二维坐标表示图像中像素点的位置;S2、坐标归一化:对生成的二维坐标进行归一化处理;S3、网格编码:运用网格编码技术,将归一化后的坐标映射到高维向量,生成每个坐标对应的特征向量;S4、MLP处理:将特征向量输入到MLP中,该网络输出每个坐标所对应的像素值,即目标分辨率下的融合结果;S5、空间保真分支:将融合结果输入Pred_PAN网络,在光谱维度中下采样,得到与真实的全色图像光谱数量相同的预测图像;将预测图像与真实的全色图像进行比较,计算损失Loss;1S6、光谱保真分支:将融合结果输入Pred_MS,在空间中进行高斯模糊和下采样四倍,得到与真实的低分辨率多光谱图像大小相同的预测图像;将预测图像与真实的低分辨率多光谱图像进行比较,计算损失Loss;2S7、计算总损失:将两个分支得到的损失Loss和Loss相加,得到总损失值;12S8、反向传播与梯度更新:将总损失用于反向传播,更新网络的参数,优化模型;S9、不断优化和学习网络中的参数,直到S4输出的融合结果达到设定的效果。
专利申请信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 多光谱卫星遥感图像的隐式表示及锐化方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311659354.2 |
| 申请日 | 2023/12/6 |
| 公告号 | CN117611492A |
| 公开日 | 2024/2/27 |
| IPC主分类号 | G06T5/73 |
| 权利人 | 电子科技大学 |
| 发明人 | 邓良剑; 马骏 |
| 地址 | 四川省成都市高新区(西区)西源大道2006号 |