【技术实现步骤摘要】
本专利技术涉及人工智能和图像处理，特别是涉及一种基于次真值图像多损失函数的图像处理方法及系统。
技术介绍
1、高光谱成像作为一种新兴成像系统，随着成像技术的不断成熟，如今已经广泛应用国土测绘、城乡建设、统计调查、农林业资源监测、真假目标识别等多个领域。现有高光谱快速成像技术可通过msfa滤波阵列拍摄原始图像，使之不同的像素点记录不同光谱通道的信息(颜色)，如图1所示。但此种方法需要去马赛克算法处理原始图像，以获取全光谱全解析度图像，即去马赛克图像，如图2所示。
2、现有的去马赛克网络训练方法大致分为5个步骤：初始化、前向传播、损失计算、反向传播、参数更新，其中损失计算是训练的重中之重。为了保证网络输出的质量可以满足多种指标，可计算多个损失函数的加权平均值作为最终的损失值，其中一个损失函数对应一种指标。虽然使用了多个指标，但是这些指标大多是基于一个真值图像，所有损失函数皆指向同一个优化目标点，这很有可能会使其中一个或多个损失函数无效，或者使训练陷入局部最优点，最终影响去马赛克图像的质量。
3、因此，亟需一种能够避免...
【技术保护点】
1.一种基于次真值图像多损失函数的图像处理方法，其特征在于，所述图像处理方法包括：
2.根据权利要求1所述的一种基于次真值图像多损失函数的图像处理方法，其特征在于，计算所述预测图像和当前组图像数据中的所述真值图像之间的损失值，得到第一损失值，具体包括：
3.根据权利要求1所述的一种基于次真值图像多损失函数的图像处理方法，其特征在于，根据所述预测图像和所述真值图像，获得多个次真值图像，具体包括：
4.根据权利要求3所述的一种基于次真值图像多损失函数的图像处理方法，其特征在于，将所述真值图像作为引导数据，将所述预测图像作为目标数据，采用...
【技术特征摘要】
1.一种基于次真值图像多损失函数的图像处理方法，其特征在于，所述图像处理方法包括：
2.根据权利要求1所述的一种基于次真值图像多损失函数的图像处理方法，其特征在于，计算所述预测图像和当前组图像数据中的所述真值图像之间的损失值，得到第一损失值，具体包括：
3.根据权利要求1所述的一种基于次真值图像多损失函数的图像处理方法，其特征在于，根据所述预测图像和所述真值图像，获得多个次真值图像，具体包括：
4.根据权利要求3所述的一种基于次真值图像多损失函数的图像处理方法，其特征在于，将所述真值图像作为引导数据，将所述预测图像作为目标数据，采用引导滤波方法生成多个所述次真值图像，具体包括：
5.根据权利要求4所述的一种基于次真...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。