内容提供者
基于深度子空间嵌入的全色锐化方法及装置.pdf
2023-05-09
10金币
2.5MB
22页
佳宁****么啦
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共22页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于深度子空间嵌入的全色锐化方法及装置.pdf
本发明公开了一种基于深度子空间嵌入的全色锐化方法及装置,其主要步骤概括为:步骤1:从遥感卫星数据集中获得全色图像(PAN)和多光谱图像(MS),并进行像素匹配;步骤2:对通过步骤一得到的MS数据进行子空间表征,得到子空间基;步骤3:根据步骤一得到的MS图与PAN图,将它们输入由杨俊峰博士设计的用于全色锐化的神经网络PanNet,得到一份该网络输出的高分辨率多光谱图像;步骤4:将以上步骤得到的数据输入本算法的数学模型中,根据替代方向乘数方法进行迭代,迭代计算得到高分辨率多光谱图像。提出的发明方法能够通过观测
2023-05-09
10
2.5MB
基于空间概率PCA与NSCT的全色图像锐化方法.pdf
本发明公开一种基于空间概率PCA与NSCT的全色图像锐化方法，其实现的步骤为：（1）输入源图像；（2）获得图像；（3）关系矩阵；（4）提取第一主成分PRPC1；（5）直方图匹配；（6）非下采样轮廓小波分解；（7）重构第一主成分；（8）空间概率发变换；（9）输出高分辨率图像。本发明利用空间概率消除了传统的全色影像锐化算法隐含的假设图像数据服从独立同分布这一限制，并采用一种新的融合规则进一步挖掘图像的关系，最终得到较好保存光谱信息和边缘细节特征更为明显的高分辨率的图像。
2023-09-01
10
1.9MB
改进的基于稀疏表示的全色锐化算法.pptx
基于稀疏表示的全色锐化算法目录添加章节标题算法概述算法背景算法原理算法流程算法特点改进的算法改进点一改进点二改进点三改进点四实验结果及分析实验数据集实验过程实验结果结果分析算法应用场景及优势应用场景一应用场景二应用场景三算法优势结论与展望研究结论研究不足与展望THANKYOU
2024-10-06
20
2.3MB
基于方向多尺度群低秩分解的全色图像锐化方法.pdf
本发明公开一种基于方向多尺度群低秩分解的全色图像锐化方法，其实现的步骤为：(1)输入源图像；(2)获得LMS和dPan图像；(3)计算多光谱图像MS和下采样全色图像dPan光谱相关系数；(4)非下采样轮廓小波分解；(5)构建数据矩阵；(6)矩阵低秩分解；(7)重构高低频稀疏矩阵；(8)注入高低频稀疏矩阵(9)非下采样轮廓小波反变换；(10)输出高分辨率图像。本发明利用非下采样轮廓小波变化与矩阵低秩分解提取全色图像的轮廓结构信息与细节，并采用新的高低频注入模型，减少了全色图像过度注入而引起的光谱扭曲，最终得
2023-09-03
10
717KB
基于子空间嵌入和深度学习的人脸识别研究.docx
基于子空间嵌入和深度学习的人脸识别研究基于子空间嵌入和深度学习的人脸识别研究摘要：人脸识别是目前研究的热门方向之一，具有广泛的应用前景。本文针对人脸识别领域的问题进行研究，提出了一种基于子空间嵌入和深度学习的人脸识别方法。首先，通过子空间嵌入技术，将人脸图像嵌入到低维子空间中，有效地提取图像的特征。然后，利用深度学习算法对嵌入的特征进行训练和分类，实现人脸识别的目标。实验结果表明，该方法在人脸识别准确度和鲁棒性方面具有显著优势。关键词：人脸识别、子空间嵌入、深度学习、特征提取1.引言人脸识别是一种通过计算
2024-10-20
5
11KB