CN106997581A - 一种利用深度学习重建高光谱图像的方法 - Google Patents
一种利用深度学习重建高光谱图像的方法 Download PDFInfo
- Publication number
- CN106997581A CN106997581A CN201710174894.XA CN201710174894A CN106997581A CN 106997581 A CN106997581 A CN 106997581A CN 201710174894 A CN201710174894 A CN 201710174894A CN 106997581 A CN106997581 A CN 106997581A
- Authority
- CN
- China
- Prior art keywords
- hyperspectral
- image
- dictionary
- neural network
- dimensional sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001228 spectrum Methods 0.000 title claims abstract description 19
- 238000013135 deep learning Methods 0.000 title claims abstract description 10
- 230000003595 spectral effect Effects 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000004913 activation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims 1
- 230000007935 neutral effect Effects 0.000 abstract 2
- 238000005516 engineering process Methods 0.000 description 12
- 238000000701 chemical imaging Methods 0.000 description 9
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 235000001466 Ribes nigrum Nutrition 0.000 description 1
- 241001312569 Ribes nigrum Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4076—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution using the original low-resolution images to iteratively correct the high-resolution images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
Claims (5)
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710116971 | 2017-03-01 | ||
CN2017101169716 | 2017-03-01 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106997581A true CN106997581A (zh) | 2017-08-01 |
Family
ID=59431615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710174894.XA Pending CN106997581A (zh) | 2017-03-01 | 2017-03-22 | 一种利用深度学习重建高光谱图像的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106997581A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107680036A (zh) * | 2017-08-15 | 2018-02-09 | 湖北工业大学 | 基于卷积深度堆叠网络的联合稀疏向量并行重建方法 |
CN107832793A (zh) * | 2017-11-08 | 2018-03-23 | 深圳大学 | 一种高光谱图像的分类方法及系统 |
CN108760706A (zh) * | 2018-06-08 | 2018-11-06 | 农业部环境保护科研监测所 | 一种快速筛选镉低积累水稻品种的方法 |
CN108765338A (zh) * | 2018-05-28 | 2018-11-06 | 西华大学 | 基于卷积自编码卷积神经网络的空间目标图像复原方法 |
CN109447891A (zh) * | 2019-01-09 | 2019-03-08 | 北京理工大学 | 一种基于卷积神经网络的光谱成像系统的高质量成像方法 |
CN109741407A (zh) * | 2019-01-09 | 2019-05-10 | 北京理工大学 | 一种基于卷积神经网络的光谱成像系统的高质量重构方法 |
CN109886898A (zh) * | 2019-03-05 | 2019-06-14 | 北京理工大学 | 基于优化启发的神经网络的光谱成像系统的成像方法 |
CN109903393A (zh) * | 2019-02-22 | 2019-06-18 | 清华大学 | 基于深度学习的新视角场景合成方法和装置 |
CN109924949A (zh) * | 2019-03-05 | 2019-06-25 | 北京工业大学 | 一种基于卷积神经网络的近红外光谱断层成像重建方法 |
CN110110855A (zh) * | 2019-05-28 | 2019-08-09 | 西北工业大学 | 基于深度循环神经网络和有监督字典学习的脑网络重构方法 |
CN110175971A (zh) * | 2019-05-27 | 2019-08-27 | 大连海事大学 | 一种多光谱单像素成像的深度学习图像重构方法 |
CN110348487A (zh) * | 2019-06-13 | 2019-10-18 | 武汉大学 | 一种基于深度学习的高光谱图像压缩方法及装置 |
CN110880162A (zh) * | 2019-11-22 | 2020-03-13 | 中国科学技术大学 | 基于深度学习的快照光谱深度联合成像方法及系统 |
CN111127573A (zh) * | 2019-12-12 | 2020-05-08 | 首都师范大学 | 一种基于深度学习的宽谱段高光谱图像重构方法 |
CN111881920A (zh) * | 2020-07-16 | 2020-11-03 | 深圳力维智联技术有限公司 | 一种大分辨率图像的网络适配方法及神经网络训练装置 |
CN112881308A (zh) * | 2021-01-22 | 2021-06-01 | 浙江大学 | 一种基于宽光谱编码和深度学习的光谱相机 |
CN113947643A (zh) * | 2021-10-22 | 2022-01-18 | 长安大学 | Rgb图像重建为高光谱图像的方法、装置、设备及存储介质 |
CN114494476A (zh) * | 2022-01-25 | 2022-05-13 | 浙江大学嘉兴研究院 | 光学成像系统设计与图像信息重建联合优化方法及应用 |
CN114547963A (zh) * | 2021-11-26 | 2022-05-27 | 江苏科技大学 | 一种基于数据驱动的轮胎建模方法和介质 |
CN114972625A (zh) * | 2022-03-22 | 2022-08-30 | 广东工业大学 | 一种基于rgb光谱超分辨技术的高光谱点云生成方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915445A (zh) * | 2012-09-17 | 2013-02-06 | 杭州电子科技大学 | 一种改进型的神经网络高光谱遥感影像分类方法 |
CN104063857A (zh) * | 2014-06-30 | 2014-09-24 | 清华大学 | 高光谱图像的生成方法及系统 |
CN106097355A (zh) * | 2016-06-14 | 2016-11-09 | 山东大学 | 基于卷积神经网络的胃肠道肿瘤显微高光谱图像处理方法 |
-
2017
- 2017-03-22 CN CN201710174894.XA patent/CN106997581A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915445A (zh) * | 2012-09-17 | 2013-02-06 | 杭州电子科技大学 | 一种改进型的神经网络高光谱遥感影像分类方法 |
CN104063857A (zh) * | 2014-06-30 | 2014-09-24 | 清华大学 | 高光谱图像的生成方法及系统 |
CN106097355A (zh) * | 2016-06-14 | 2016-11-09 | 山东大学 | 基于卷积神经网络的胃肠道肿瘤显微高光谱图像处理方法 |
Non-Patent Citations (2)
Title |
---|
CHAO DONG ET AL.: "Image Super-Resolution Using Deep convolutional Networks", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
PEIYUAN JIA ET AL.: "Convolutional neural network based classification for hyperspectral data", 《2016 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM(IGARSS)》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107680036A (zh) * | 2017-08-15 | 2018-02-09 | 湖北工业大学 | 基于卷积深度堆叠网络的联合稀疏向量并行重建方法 |
CN107832793A (zh) * | 2017-11-08 | 2018-03-23 | 深圳大学 | 一种高光谱图像的分类方法及系统 |
CN107832793B (zh) * | 2017-11-08 | 2021-08-06 | 深圳大学 | 一种高光谱图像的分类方法及系统 |
CN108765338A (zh) * | 2018-05-28 | 2018-11-06 | 西华大学 | 基于卷积自编码卷积神经网络的空间目标图像复原方法 |
CN108760706A (zh) * | 2018-06-08 | 2018-11-06 | 农业部环境保护科研监测所 | 一种快速筛选镉低积累水稻品种的方法 |
CN108760706B (zh) * | 2018-06-08 | 2021-08-06 | 农业部环境保护科研监测所 | 一种快速筛选镉低积累水稻品种的方法 |
CN109447891A (zh) * | 2019-01-09 | 2019-03-08 | 北京理工大学 | 一种基于卷积神经网络的光谱成像系统的高质量成像方法 |
CN109741407A (zh) * | 2019-01-09 | 2019-05-10 | 北京理工大学 | 一种基于卷积神经网络的光谱成像系统的高质量重构方法 |
CN109903393A (zh) * | 2019-02-22 | 2019-06-18 | 清华大学 | 基于深度学习的新视角场景合成方法和装置 |
CN109903393B (zh) * | 2019-02-22 | 2021-03-16 | 清华大学 | 基于深度学习的新视角场景合成方法和装置 |
CN109886898B (zh) * | 2019-03-05 | 2020-10-02 | 北京理工大学 | 基于优化启发的神经网络的光谱成像系统的成像方法 |
CN109924949A (zh) * | 2019-03-05 | 2019-06-25 | 北京工业大学 | 一种基于卷积神经网络的近红外光谱断层成像重建方法 |
CN109886898A (zh) * | 2019-03-05 | 2019-06-14 | 北京理工大学 | 基于优化启发的神经网络的光谱成像系统的成像方法 |
CN110175971A (zh) * | 2019-05-27 | 2019-08-27 | 大连海事大学 | 一种多光谱单像素成像的深度学习图像重构方法 |
CN110175971B (zh) * | 2019-05-27 | 2022-09-16 | 大连海事大学 | 一种多光谱单像素成像的深度学习图像重构方法 |
CN110110855A (zh) * | 2019-05-28 | 2019-08-09 | 西北工业大学 | 基于深度循环神经网络和有监督字典学习的脑网络重构方法 |
CN110110855B (zh) * | 2019-05-28 | 2022-04-29 | 西北工业大学 | 基于深度循环神经网络和有监督字典学习的脑网络重构方法 |
CN110348487B (zh) * | 2019-06-13 | 2021-07-20 | 武汉大学 | 一种基于深度学习的高光谱图像压缩方法及装置 |
CN110348487A (zh) * | 2019-06-13 | 2019-10-18 | 武汉大学 | 一种基于深度学习的高光谱图像压缩方法及装置 |
CN110880162A (zh) * | 2019-11-22 | 2020-03-13 | 中国科学技术大学 | 基于深度学习的快照光谱深度联合成像方法及系统 |
CN110880162B (zh) * | 2019-11-22 | 2023-03-10 | 中国科学技术大学 | 基于深度学习的快照光谱深度联合成像方法及系统 |
CN111127573A (zh) * | 2019-12-12 | 2020-05-08 | 首都师范大学 | 一种基于深度学习的宽谱段高光谱图像重构方法 |
CN111127573B (zh) * | 2019-12-12 | 2022-06-03 | 首都师范大学 | 一种基于深度学习的宽谱段高光谱图像重构方法 |
CN111881920A (zh) * | 2020-07-16 | 2020-11-03 | 深圳力维智联技术有限公司 | 一种大分辨率图像的网络适配方法及神经网络训练装置 |
CN111881920B (zh) * | 2020-07-16 | 2024-04-09 | 深圳力维智联技术有限公司 | 一种大分辨率图像的网络适配方法及神经网络训练装置 |
CN112881308A (zh) * | 2021-01-22 | 2021-06-01 | 浙江大学 | 一种基于宽光谱编码和深度学习的光谱相机 |
CN113947643A (zh) * | 2021-10-22 | 2022-01-18 | 长安大学 | Rgb图像重建为高光谱图像的方法、装置、设备及存储介质 |
CN113947643B (zh) * | 2021-10-22 | 2024-08-02 | 长安大学 | Rgb图像重建为高光谱图像的方法、装置、设备及存储介质 |
CN114547963A (zh) * | 2021-11-26 | 2022-05-27 | 江苏科技大学 | 一种基于数据驱动的轮胎建模方法和介质 |
CN114494476A (zh) * | 2022-01-25 | 2022-05-13 | 浙江大学嘉兴研究院 | 光学成像系统设计与图像信息重建联合优化方法及应用 |
CN114972625A (zh) * | 2022-03-22 | 2022-08-30 | 广东工业大学 | 一种基于rgb光谱超分辨技术的高光谱点云生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106997581A (zh) | 一种利用深度学习重建高光谱图像的方法 | |
Yuan et al. | Snapshot compressive imaging: Theory, algorithms, and applications | |
Li et al. | Underwater scene prior inspired deep underwater image and video enhancement | |
Meng et al. | Gap-net for snapshot compressive imaging | |
CN104063857B (zh) | 高光谱图像的生成方法及系统 | |
CN100554873C (zh) | 一种基于二维编码的三维形貌测量方法 | |
Rosenfeld | Digital picture processing | |
Peng et al. | Residual pixel attention network for spectral reconstruction from RGB images | |
CN108955882B (zh) | 基于液晶高光谱计算成像系统的三维数据重构方法 | |
CN115561182B (zh) | 一种基于先验图像引导的快照式光谱成像系统重构方法 | |
KR20200094062A (ko) | 렌즈리스 초분광 영상 이미징 방법 및 그 장치 | |
Meng et al. | Deep unfolding for snapshot compressive imaging | |
CN114419392A (zh) | 高光谱快照图像恢复方法、装置、设备及介质 | |
CN110097634B (zh) | 一种自适应多尺度的三维鬼成像方法 | |
Marquez et al. | Compressive spectral light field image reconstruction via online tensor representation | |
CN109087262B (zh) | 一种多视图光谱图像的重建方法、存储介质 | |
CN109798978B (zh) | 一种采用异形蓝色噪声编码孔径的光谱成像方法 | |
Chen et al. | Prior image guided snapshot compressive spectral imaging | |
CN117974909A (zh) | 一种双阶段多尺度的高光谱快照压缩成像图像重建方法 | |
CN112989593B (zh) | 基于双相机的高光谱低秩张量融合计算成像方法 | |
CN117011357A (zh) | 基于3d运动流和法线图约束的人体深度估计方法及系统 | |
Yang et al. | Reconstruction quality evaluation of compressed sensing image mapping spectrometer | |
Schmalz | Object-based image compression | |
JP2021078074A (ja) | 映像処理装置、映像処理方法およびプログラム | |
Gao et al. | Multispectral image restoration via inter-and intra-block sparse estimation based on physically-induced joint spatiospectral structures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Yan Chenggang Inventor after: Jiang Xin Inventor after: Wu Jiamin Inventor after: Wu Tong Inventor after: Cui Ennan Inventor after: Peng Dongliang Inventor after: Xue Anke Inventor before: Jiang Xin Inventor before: Yan Chenggang Inventor before: Wu Jiamin Inventor before: Wu Tong Inventor before: Cui Ennan Inventor before: Peng Dongliang Inventor before: Xue Anke |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170801 |