一种面向多域图像的光谱跨域迁移超分重建方法

    公开(公告)号:CN116993584A

    公开(公告)日:2023-11-03

    申请号:CN202310745724.8

    申请日:2023-06-21

    Abstract: 本发明公开了一种面向多域图像的光谱跨域迁移超分重建方法,通过面向多域图像场景的基于跨域可迁移知识学习和目标域快速适应学习方式的图像光谱跨域迁移超分重建方法。实现从RGB图像到高光谱图像的光谱超分重建。并采用基于可迁移字典的模型结构设计,学习可以跨域迁移的特征;基于共享可学习掩码的源域预训练策略,促进模型学习用于重建的通用知识;基于模型不可知的元学习的微调方法,用以学习一个通用的、泛化能力强的模型,使得在测试数据上经过几步迭代就能适应测试的目标域的数据。本发明可以挖掘出跨域共享的知识,以提高泛化能力,进而提高了跨域光谱超分重建的效果。

    基于光谱超分辨率重建的遥感图像小样本语义分割方法

    公开(公告)号:CN118154427A

    公开(公告)日:2024-06-07

    申请号:CN202410218221.X

    申请日:2024-02-28

    Abstract: 本发明公开了一种基于光谱超分辨率重建的遥感图像小样本语义分割方法,其中光谱超分辨率重建可以学习三通道图像到高光谱图像的映射函数。本发明方法通过借助高光谱图像丰富的可辨光谱信息,实现在不增加样本的情况下显著提升小样本遥感图像语义分割的性能。该方法在构建过程中充分利用了Vision Transformer的高效特征提取能力,并通过引入Cross Transformer的交叉注意力机制,实现了高光谱重建任务与小样本遥感图像语义分割任务之间信息的深度交互。同时所提方法还进一步增加了基于Simple Linear Iterative Clustering的聚类半监督学习模块,以更全面地挖掘小样本图像中隐含的信息,致力于满足实际遥感图像语义分割任务的需求。本发明显著提升了遥感图像的语义分割性能,而无需增加额外的样本数据。

Patent Agency Ranking