一种基于深度学习的压缩感知高光谱数据重构方法.pdf
盼易****君a
亲,该文档总共12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
一种基于深度学习的压缩感知高光谱数据重构方法.pdf
一种基于深度学习的压缩感知高光谱数据重构方法,其特征在于,包括以下步骤:步骤1:训练基于卷积神经网络的压缩感知高光谱数据重构网络模型;步骤2:使用步骤1训练好的重构网络模型重构压缩感知高光谱数据。本发明使用卷积神经网络解决压缩感知高光谱数据重构问题,通过训练网络学习压缩测量数据到原始数据的逆变换,进一步使用训练好的模型重构压缩感知高光谱数据,实现了压缩感知高光谱数据的快速、精确重建,与传统迭代重建算法相比,在重建质量上有所提高,并且在重构高光谱数据上的计算时间上有显著提高,远快于传统算法。
一种基于卷积稀疏编码压缩感知光谱重构方法及系统.pdf
本发明属于光谱图像技术领域,公开了一种基于卷积稀疏编码压缩感知光谱重构方法及系统,包括以下步骤:步骤S1、将光谱采集系统输出的观测图像以及光谱采集系统的观测矩阵构建基于卷积稀疏表示的重构方程;步骤S2、基于卷积稀疏表示的重构方程进行图像低频求解得到初步三维光谱数据;步骤S3、初步三维光谱数据进行约束对图像高频部分求解得到卷积核在第L个波段处的稀疏系数;步骤S4、对稀疏系数与卷积核进行卷积求和得到三维光谱数据;步骤S5、满足条件的三维光谱数据进行输出得到重构的光谱。本发明重构图像的泛化性、精度与时效性均较好
一种基于压缩感知的无线传感网络数据重构方法.pdf
一种基于压缩感知的无线传感网络数据重构方法,该方法包括以下步骤:步骤1,实时采集所布置传感器的位置信息;步骤2,对无线传感器网络覆盖范围进行优化;步骤3,设计无线传感网络的压缩感知方法;步骤4,网络系统数据终端接收被激活的传感器节点数据;步骤5,将压缩感知数据重构算法嵌入STM32控制器和网络系统数据终端中。本发明设计了一种基于压缩感知的无线传感网络数据重构方法,在无线传感网络硬件控制系统基础上,对无线传感器网络覆盖范围进行优化,并通过压缩感知理论,实现无线传感器网络的高速采样和数据压缩。
基于深度学习方法的高光谱数据处理方法.pdf
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110852304A(43)申请公布日2020.02.28(21)申请号CN201911151815.9(22)申请日2019.11.22(71)申请人重庆大学地址400044重庆市沙坪坝区沙正街174号(72)发明人黄鸿;李政英;张臻;蒲春宇;潘银松(74)专利代理机构重庆乾乙律师事务所代理人侯春乐(51)Int.CI权利要求说明书说明书幅图(54)发明名称基于深度学习方法的高光谱数据处理方法(57)摘要本发明提出了一种基于深
基于盲压缩感知的图像重构方法.pdf
本发明公开了一种基于盲压缩感知模型的图像重构方法,主要解决传统压缩感知只能对稀疏信号进行观测,且重构图像质量较差的问题。其实现步骤是:(1)对输入图像进行冗余变换,获得冗余矩阵;(2)对冗余矩阵在观测矩阵下进行压缩观测;(3)根据压缩观测的结果,利用OMP算法进行自适应更新稀疏矩阵;(4)根据更新后的稀疏矩阵,利用奇异值分解方法更新稀疏基;(5)将更新后的稀疏矩阵和稀疏基相乘得到重构后的图像冗余矩阵;(6)将重构后的图像冗余矩阵通过冗余逆变换获得重构图像;通过图像的峰值信噪比对重构图像进行评估。本发明具有