无监督高光谱图像融合方法、系统、存储介质及产品技术方案

本发明专利技术涉及图像处理领域，具体涉及无监督高光谱图像融合方法、系统、存储介质及产品，包括如下步骤：S1：获取超分辨重建的低分辨高光谱图像，获取高分辨多光谱图像作为引导图像；S2：将高分辨多光谱图像输入编解码器网络，提取高分辨多光谱图像的金字塔语义特征作为深度先验；S3：随机编码作为深度先验引导网络的输入，逐步在金字塔语义特征先验的引导下完成高分辨高光谱图像的重建，获得更好的重建结果；S4：重建结果输入两个具有预定义权重的卷积层，输出最佳的重建结果，本发明专利技术采用无监督深度学习，不需要训练数据，将重建问题转化为一个条件图像生成问题。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，具体涉及无监督高光谱图像融合方法、系统、存储介质及产品。

技术介绍

1、高光谱图像（hyperspectral image，hsi）通常是利用不同波长的光谱反射或辐射信息获取目标物体的图像，在每个像素上捕获了几十甚至上百个连续波长范围内的光谱信息，具有丰富细致的光谱信息。通过对这些光谱数据进行分析，可提取目标物体在不同波长下微小的特征，比如物质成分、表面结构等，因此在农业、环境监测、地质勘探、国防安全等领域都有广泛应用。然而，由于成像传感器的物理限制，光谱分辨率和空间分辨率之间存在一个权衡，高光谱传感器中的能量收集需要更大的观察视场以获取可接受的信噪比，因此，高光谱图像的空间分辨率通常较低，影响了视觉感知效果，降低了光谱解译的准确性，限制了高光谱图像的应用。

2、目前，越来越多传感器可以同时获取同一场景的高光谱图像和高空间分辨率的多光谱图像（high-resolution multispectral image，hr-msi），利用数据处理方式将两者进行信息融合可有效提高高光谱图像的空间分辨率，也是高光谱图像超分辨重本文档来自技高网...

【技术保护点】

1.无监督高光谱图像融合方法，其特征在于：包括如下步骤：

2.如权利要求1所述无监督高光谱图像融合方法，其特征在于：步骤S2中的编解码器网络包括编码器、解码器、空间注意力模块和通道注意力模块；

3.如权利要求1所述无监督高光谱图像融合方法，其特征在于：步骤S3的具体操作如下：

4.如权利要求1所述无监督高光谱图像融合方法，其特征在于：步骤S4的具体操作如下：假设，，分别表示HR-HSI、LR-HSI、HR-MSI，损失函数表示为：

5.无监督高光谱图像融合系统，包括存储器和处理器，所述存储器上存储有所述处理器的可执行计算机程序，所述可执行计...

【技术特征摘要】

1.无监督高光谱图像融合方法，其特征在于：包括如下步骤：

2.如权利要求1所述无监督高光谱图像融合方法，其特征在于：步骤s2中的编解码器网络包括编码器、解码器、空间注意力模块和通道注意力模块；

3.如权利要求1所述无监督高光谱图像融合方法，其特征在于：步骤s3的具体操作如下：

4.如权利要求1所述无监督高光谱图像融合方法，其特征在于：步骤s4的具体操作如下：假设，，分别表示hr-hsi、lr-hsi、hr-msi，损失函数...

【专利技术属性】
技术研发人员：沈慧芳，方立，王世盛，蓝璇丽，张静茹，周树东，
申请(专利权)人：泉州装备制造研究所，
类型：发明
国别省市：