公开(公告)号：CN112184560A

公开(公告)日：2021-01-05

申请号：CN202011387862.6

申请日：2020-12-02

Applicant: 南京理工大学

Inventor： 徐洋 ,  刘咫豪 ,  吴泽彬 ,  韦志辉 ,  李恒

IPC: G06T3/40 ,  G06N3/08 ,  G06N3/04 ,  G06F17/11

Abstract: 本发明公开了一种基于深度闭环神经网络的高光谱图像超分辨率方法，包括面向高光谱数据构建深度闭环神经网络模型和变量分离精细优化重建高分辨率高光谱图像两个过程，该方法的主要步骤为：构建两个深度学习模型分别学习超分辨过程和逆超分辨过程，两个模型形成闭环网络减少映射空间，促进模型拟合；采用适合高光谱图像的网络结构分别提取空间特征和光谱特征，空间信息和光谱信息联合重构，提高超分辨得到的图像质量；利用训练好的深度闭合神经网络，采取变量分离精细优化方法进行模型迭代求解，优化重建结果。本发明使用适用于高光谱图像超分辨率的深度闭环神经网络，闭环网络可以缩减映射空间，可以得到比单向网络更好的重建结果。

公开(公告)号：CN112184560B

公开(公告)日：2021-03-26

申请号：CN202011387862.6

申请日：2020-12-02

Applicant: 南京理工大学

Inventor： 徐洋 ,  刘咫豪 ,  吴泽彬 ,  韦志辉 ,  李恒

IPC: G06T3/40 ,  G06N3/08 ,  G06N3/04 ,  G06F17/11

Abstract: 本发明公开了一种基于深度闭环神经网络的高光谱图像超分辨率方法，包括面向高光谱数据构建深度闭环神经网络模型和变量分离精细优化重建高分辨率高光谱图像两个过程，该方法的主要步骤为：构建两个深度学习模型分别学习超分辨过程和逆超分辨过程，两个模型形成闭环网络减少映射空间，促进模型拟合；采用适合高光谱图像的网络结构分别提取空间特征和光谱特征，空间信息和光谱信息联合重构，提高超分辨得到的图像质量；利用训练好的深度闭合神经网络，采取变量分离精细优化方法进行模型迭代求解，优化重建结果。本发明使用适用于高光谱图像超分辨率的深度闭环神经网络，闭环网络可以缩减映射空间，可以得到比单向网络更好的重建结果。