一种光谱图像融合超分辨率方法、存储介质及电子设备技术

技术编号:42496628 阅读:26 留言:0更新日期:2024-08-22 14:07
本发明专利技术公开了一种光谱图像融合超分辨率方法、存储介质及电子设备,构建了融合重建网络,所述融合重建网络对输入的图像进行特征编码,利用不变域感知注意力层对特征编码模块输出的编码特征进行空谱域交互特征增强,最后对不变域感知注意力层的输出进行编码映射得到最终的高分辨率高光谱图像。本发明专利技术通过定义图像中的不变域特征搭建不变域特征感知注意力,使得生成的目标图像的空谱信息之间存在强相关性,自然探索了高光谱图像空谱域信息之间的信息相关性,保护了重建图像空谱域信息的交叉交互,解决了现有方法在未考虑空谱交叉交互时造成不可避免的空谱失真问题,也解决了高光谱图像重建中对光谱跨域信息挖掘不足的问题,极大提高了重建精度。

【技术实现步骤摘要】

本专利技术涉及高光谱图像重建,具体涉及一种光谱图像融合超分辨率方法、存储介质及电子设备


技术介绍

1、受探测器成像原理限制,观测图像的空间分辨率和光谱分辨率之间存在权衡,极难获取同时具有高空间分辨率和高光谱分辨率的图像。目前,通过使用高空间分辨率的多光谱图像和低空间分辨率的高光谱图像融合已经成为高空间分辨率高光谱图像获取的最佳方式。现存的融合方法主要分为基于模型的方法和基于学习的方法。

2、基于模型的方法通过对物理成像模型建模,即目标高分辨率光谱图像与高分辨率多光谱图像、低分辨率高光谱图像之间的物理关系。y=rx,z=xh,其中x,y,z分别表示高分辨率高光谱图像、高分辨率多光谱图像和低分辨率高光谱图像,r表示多光谱探测器的光谱响应函数,h表示高光谱探测器的点扩散降采样函数。该类方法将融合任务视为一个受各种图像先验约束的优化问题,通过探究诸如稀疏性、低秩性这类数据分布先验以及全变差这类浅层结构先验的人工表达式,以期在进行优化时,通过正则缩小目标解空间。由于高光谱图像不仅包括了复杂的二维空间信息还有一维的光谱信息,这些信息交叉交互,使得高光谱图本文档来自技高网...

【技术保护点】

1.一种光谱图像融合超分辨率方法,其特征在于,具体过程为:

2.根据权利要求1所述的方法,其特征在于,不变域感知注意力机制包括空间域升维层、光谱域升维层、不变域感知层和值域层;不变域感知层用于建模目标图像的不变域特征,即目标图像的本征信息;空间域升维层和光谱域升维层分别用于建模目标图像的空间域升维特征和光谱域升维特征;空间域升维特征、光谱域升维特征与不变域特征相乘,对不变域特征中的空谱信息进行导出,得到不变域感知注意力,不变域感知注意力经过Softmax层输出不变域感知注意力分数矩阵,不变域感知注意力分数矩阵与值域特征进行点乘得到不变域感知注意力机制的输出结果。

...

【技术特征摘要】

1.一种光谱图像融合超分辨率方法,其特征在于,具体过程为:

2.根据权利要求1所述的方法,其特征在于,不变域感知注意力机制包括空间域升维层、光谱域升维层、不变域感知层和值域层;不变域感知层用于建模目标图像的不变域特征,即目标图像的本征信息;空间域升维层和光谱域升维层分别用于建模目标图像的空间域升维特征和光谱域升维特征;空间域升维特征、光谱域升维特征与不变域特征相乘,对不变域特征中的空谱信息进行导出,得到不变域感知注意力,不变域感知注意力经过softmax层输出不变域感知注意力分数矩阵,不变域感知注意力分数矩阵与值域特征进行点乘得到不变域感知注意力机制的输出结果。

3.根据权利要求2所述的方法,其特征在于,步骤二的具体过程为:

4.根据权利要求1所述的方法,其特征在于,所述不变域感知注意力层除不变域感知注意力机制外,还包括有前向传递网络;不变域感知注意力机制的输出作为前向传递网络的输入;所述不变域感知注意力机制的输入与前向传递网络的输出进行残差连接,得到不变域感知注意力层的输出结果。

5.根据权利要求1所述的方法,其特征在于,不变域感知注意力层除不变域感知注意力机制外,还...

【专利技术属性】
技术研发人员:曹栩珩郝小鹏
申请(专利权)人:中国计量科学研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1