基于光谱相量分析的高光谱图像解混方法

  • 国民经济行业:制造业/仪器仪表制造业/光学仪器及眼镜制造/光学仪器制造
  • 学科类别:电子、通信与自动控制技术/信息处理技术/数据处理
  • 权利人:上海交通大学

知识产权简介

本发明提供了一种基于光谱相量分析的高光谱图像解混方法,包括相量空间转化与预处理,相量空间聚类与网络初始化、特征提取与先验融合、端元生成与图像重构、损失计算与参数更新、循环迭代六个步骤。利用谐波相量变换将原始高光谱图像数据转化到相量空间,通过聚类获取初始端元矩阵与伪先验丰度矩阵,然后利用深度编码-解码网络进行端元矩阵和丰度矩阵的迭代,并将端元矩阵与丰度矩阵结合获得重构图像。当重构图像与原始图像足够接近时停止迭代,得到最终的端元与丰度。借助光谱相量的物理特性引导网络前向传播,降低了梯度冲突风险并提高了模型在复杂噪声下的端元提取准确性。本发明可在遥感监测、矿产勘探、农业监测等高精度光谱分析领域中发挥重要作用。

转化前景

本专利可转化为高光谱智能解混核心算法模块或软件平台,具备高鲁棒性与高精度特性。该技术通过引入光谱相量物理特性引导网络优化,有效克服传统黑盒模型抗噪性差、端元光谱易失真等问题,在复杂噪声环境下实现端元提取与丰度反演精度的显著提升。性能层面,其在MSE(均方误差)、SAD(光谱角距离)等关键指标上较传统方法实现显著跃升。该成果可集成于遥感数据处理系统,赋能矿物精准勘探、环境污染动态监测、农业作物定量评估及医学影像分析等高精度定量化应用,推动相关产业向智能化、高可靠性方向发展。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式 转让
预估金额
联系合作