| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 1 | 基于背景光谱去除的高光谱解混方法 | CN201310256080.2 | 2013-06-25 | CN103335968B | 2015-04-01 | 张立福; 赵恒谦; 吴太夏; 岑奕; 杨杭; 王晋年 |
| 本发明提供一种基于背景光谱去除的高光谱解混方法，包括：根据各非目标端元光谱及其含量预估获得背景光谱；对混合光谱、目标端元光谱、背景光谱进行自然对数处理；将背景光谱一端平移至与目标光谱重合，将平面直角坐标系转换为极坐标系，经拉伸、旋转后实现另一端点重合；利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量。本发明的技术方案可以从ASD、SVC等地面光谱仪及其它卫星高光谱遥感数据中得到某种地物或物质成分的含量，深入分析地物光谱吸收特性，提高高光谱定量反演的精度。 | ||||||
| 2 | 基于背景光谱去除的高光谱解混方法 | CN201310256080.2 | 2013-06-25 | CN103335968A | 2013-10-02 | 张立福; 赵恒谦; 吴太夏; 岑奕; 杨杭; 王晋年 |
| 本发明提供一种基于背景光谱去除的高光谱解混方法，包括：根据各非目标端元光谱及其含量预估获得背景光谱；对混合光谱、目标端元光谱、背景光谱进行自然对数处理；将背景光谱一端平移至与目标光谱重合，将平面直角坐标系转换为极坐标系，经拉伸、旋转后实现另一端点重合；利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量。本发明的技术方案可以从ASD、SVC等地面光谱仪及其它卫星高光谱遥感数据中得到某种地物或物质成分的含量，深入分析地物光谱吸收特性，提高高光谱定量反演的精度。 | ||||||
| 3 | 基于光谱解混技术的显微荧光高光谱成像方法 | CN202111283187.7 | 2021-11-01 | CN113916859A | 2022-01-11 | 李强 |
| 本发明提出的基于光谱解混技术的显微荧光高光谱成像方法，此方法中，具有荧光特性的样品被放置于位移台上，通过激发样品，样品荧光依次通过显微光路、荧光分光光路，聚焦在高光谱成像光谱仪的信号采集面上，高光谱成像光谱仪将所收集的光信息分两个维度投射到与之连接的相机靶面上，靶面像素的横向和纵向分别记录了样品的位置信息和对应位置的光谱信息，通过软件将位移台的移动与相机的数据实时对应和记录，获得被检样品中每一个位置的光谱信息，从而实现样品荧光成分的原位识别与成像。同时，从此光路中得到的光谱信息，可以有效辨别光谱相近的不同荧光信号，从而在根本上避免了传统方法中使用滤光片进行成像所带来的光谱串扰问题。 | ||||||
| 4 | 基于光谱成像技术的高光谱解混光学实现方法 | CN201810644505.X | 2018-06-21 | CN108917930B | 2019-09-20 | 吴银花; 胡炳樑; 高晓惠; 王鹏冲; 严强强; 魏儒义; 周安安 |
| 本发明涉及一种基于光谱成像技术的高光谱解混光学实现方法，解决现有高光谱解混合需重构数据立方体，其包含体量巨大的数据信息，使得数据传输系统、存储系统和处理系统的负担大、光谱解混效率低的问题。该方法包括以下步骤：1)空间像元的光经过分光系统投射到宽谱段编码滤波器上；2)构成端元矩阵E，求出其广义逆矩阵E#，设置i＝0，端元数目为m；3)i加1，如果i≤m，则进入步骤4)；否则，进入步骤(8)；4)对DMD进行编码控制；5)分光后的光谱经DMD进行光谱调制；6)调制后的光谱投射到探测器上；7)探测器获取前行空间像元针对端元的丰度系数，进入步骤3)；8)完成了当前行的光谱解混，进入下一行的光谱解混过程。 | ||||||
| 5 | 基于光谱成像技术的高光谱解混光学实现方法 | CN201810644505.X | 2018-06-21 | CN108917930A | 2018-11-30 | 吴银花; 胡炳樑; 高晓惠; 王鹏冲; 严强强; 魏儒义; 周安安 |
| 本发明涉及一种基于光谱成像技术的高光谱解混光学实现方法，解决现有高光谱解混合需重构数据立方体，其包含体量巨大的数据信息，使得数据传输系统、存储系统和处理系统的负担大、光谱解混效率低的问题。该方法包括以下步骤：1)空间像元的光经过分光系统投射到宽谱段编码滤波器上；2)构成端元矩阵E，求出其广义逆矩阵E#，设置i＝0，端元数目为m；3)i加1，如果i≤m，则进入步骤4)；否则，进入步骤(8)；4)对DMD进行编码控制；5)分光后的光谱经DMD进行光谱调制；6)调制后的光谱投射到探测器上；7)探测器获取前行空间像元针对端元的丰度系数，进入步骤3)；8)完成了当前行的光谱解混，进入下一行的光谱解混过程。 | ||||||
| 6 | 基于邻域光谱加权的高光谱图像稀疏解混方法 | CN201410089807.7 | 2014-03-12 | CN103810715B | 2016-06-29 | 李云松; 李娇娇; 刘嘉慧; 吴宪云; 王柯俨; 宋长贺 |
| 本发明公开了一种基于邻域光谱加权的高光谱图像稀疏解混方法，主要解决了现有技术在高信噪比的高光谱图像稀疏解混过程中，高光谱图像稀疏解混精度低、重构效果差、耗时长、效率低的问题。本发明的步骤为：输入解混参数、预处理、构造拟合稀疏矩阵、构造邻域光谱加权的稀疏解混模型、求解邻域光谱加权的稀疏解混模型、输出解混结果。本发明引入了加权空间相关性模型和拟合稀疏矩阵，具有稀疏解混精度高、重构效果好、耗时短、效率高的优点。 | ||||||
| 7 | 基于邻域光谱加权的高光谱图像稀疏解混方法 | CN201410089807.7 | 2014-03-12 | CN103810715A | 2014-05-21 | 李云松; 李娇娇; 刘嘉慧; 吴宪云; 王柯俨; 宋长贺 |
| 本发明公开了一种基于邻域光谱加权的高光谱图像稀疏解混方法，主要解决了现有技术在高信噪比的高光谱图像稀疏解混过程中，高光谱图像稀疏解混精度低、重构效果差、耗时长、效率低的问题。本发明的步骤为：输入解混参数、预处理、构造拟合稀疏矩阵、构造邻域光谱加权的稀疏解混模型、求解邻域光谱加权的稀疏解混模型、输出解混结果。本发明引入了加权空间相关性模型和拟合稀疏矩阵，具有稀疏解混精度高、重构效果好、耗时短、效率高的优点。 | ||||||
| 8 | 一种基于光谱解混的高光谱、多光谱和全色图像融合方法 | CN202211596525.7 | 2022-12-12 | CN115984155A | 2023-04-18 | 张玮; 田昕 |
| 本发明公开了一种基于光谱解混的高光谱、多光谱和全色图像融合方法，属于遥感图像融合领域，适用于通过图像融合来提升高光谱图像空间分辨率的应用场景。本发明的融合方法基于光谱解混思想，将高光谱图像分解为端元矩阵和丰度矩阵，提升了计算效率，并利用组合稀疏约束和低秩约束提升了计算准确度。本发明方法在定性和定量方面均优于对比方法的输出高分辨率高光谱图像。 | ||||||
| 9 | 高光谱遥感影像解混方法及系统 | CN202310765896.1 | 2023-06-26 | CN116883857A | 2023-10-13 | 贺威; 胡磊; 邹佳琦; 吴志友; 孙嘉星; 宋阳; 张洪艳; 杨光义 |
| 本发明提供高光谱遥感影像解混方法及系统，能够有效提高高光谱遥感影像的解混效率和解混效果，方法包括：步骤1，获取训练样本；步骤2，首先构建Ghost模块，将3D卷积层分解成三个阶段的卷积操作，第一阶段采用普通卷积产生中间输出特征图；第二阶段对中间输出特征图的每个固有特征图进行廉价操作，以获取ghost特征图；第三阶段将中间输出特征图和ghost特征图进行联合；接着构建Ghost注意力模块，进而搭建Ghost注意力解混网络；步骤3，采用训练样本训练Ghost注意力解混网络；步骤4，获取待解混的高光谱影像；步骤5，采用训练好的Ghost注意力解混网络进行解混，得到高光谱遥感图像解混结果。 | ||||||
| 10 | 基于樽海鞘群的高光谱图像解混方法 | CN201911181901.4 | 2019-11-27 | CN111047528B | 2023-07-07 | 蔺悦; 陈雷 |
| 本发明公开了一种基于樽海鞘群的高光谱图像解混方法，利用基于阴影的多重线性混合模型重构光谱数据，将高光谱解混问题转化成最优化问题，避免了传统解混方法复杂的公式计算。同时，采用樽海鞘群算法求解构造的目标函数，利用樽海鞘群算法求解精度高的优势，得到更高的解混精度。 | ||||||
| 11 | 一种高光谱影像混合像元分解方法 | CN201911127059.6 | 2019-11-18 | CN110992390B | 2023-05-12 | 谭琨; 祝伟; 王雪; 杜培军; 丁建伟 |
| 本发明公开了一种高光谱影像的混合像元分解方法，其特点是采用空间预处理及正六边形初始化分割技术，将影像分割为一些光谱相关性和空间相关性均较高的区域，并通过在这些高相关性的区域进行PCA投影，选择在投影轴极值附近位置的像素来选择候选端元。本发明与现有技术相比具有大幅缩减参与端元提取的像素个数，有效的解决了庞大数据量使得许多混合像元分解算法失效问题，为处理大数据量的高光谱遥感影像提供了一个简便、高效率的分解算法。 | ||||||
| 12 | 一种高光谱图像解混设备 | CN201910161442.7 | 2019-03-04 | CN109886897B | 2023-04-18 | 徐速; 何希平 |
| 本发明涉及一种高光谱图像解混设备，属于图像数据处理技术领域。该设备包括下壳体、上壳体、高光图谱分割解混器和低通滤波模块，所述下壳体的一侧的顶端设置有键盘，且下壳体一侧的底端设置有触摸板，所述下壳体一端的底部设置有USB接口，且下壳体内部的另一侧安装有高光图谱分割解混器，所述高光图谱分割解混器的一侧固定有单片机，且高光图谱分割解混器的内部设置有分割模块和解混模块，所述上壳体靠近下壳体的一侧设置有液晶显示屏。本发明通过安装有上壳体、液晶显示屏、下壳体、减排、触摸板、锁扣以及提手，使得便于将上壳体与下壳体合并起来通过锁扣固定连接，通过提手可以便于装置的携带。 | ||||||
| 13 | 一种多色荧光光谱解混方法及系统 | CN202211694486.4 | 2022-12-28 | CN115829007A | 2023-03-21 | 邓勇; 李文松; 蒋宇轩; 刘锴贤 |
| 本发明公开一种多色荧光光谱解混方法及系统，涉及多色荧光成像领域，该方法包括基于线性光谱混合模型，根据探测到的串扰信号分布、由光学系统参数和各荧光探针发射光谱确定的光谱矩阵以及对应的补偿矩阵，结合稀疏正则化和全变差正则化约束条件，构建目标函数；根据目标函数，采用交替方向乘子法，确定计算图；计算图采取参数非共享的分层网络结构，建立端到端的神经网络映射；基于多个多层三维卷积神经网络结构把计算图中的补偿矩阵和互逆矩阵参数化，得到神经网络；并通过损失函数约束神经网络；利用多色荧光串扰仿真数据集对端到端的神经网络进行训练和测试；本发明能够提高多色荧光光谱解混效果。 | ||||||
| 14 | 一种基于自监督学习的光谱解混方法 | CN202210942931.8 | 2022-08-08 | CN115223047A | 2022-10-21 | 张瑞; 沙马阿各; 韩艳; 包馨; 段金亮; 宋云帆; 吴仁哲; 吕继超; 展润青; 王婷 |
| 本发明公开了一种基于自监督学习的光谱解混方法，属于自监督学习的光谱解混技术领域。包括：S1、建立基于变分自编码器的端元生成模型；S2、利用初始端元和全约束最小二乘算法估计出的初始丰度对端元生成模型进行训练；S3、将待分解影像Y的所有像元输入训练好的端元生成模型，得到考虑每个像元光谱变异性的端元矩阵M，根据该端元矩阵M和噪声矩阵N得到待分解影像Y的丰度矩阵A；S4、利用概率松弛标记法对丰度矩阵A进行空间邻域校正，得到最终的丰度矩阵。本发明可以提高小麦提取的的精度和稳定性，为农作物分布提取和种植面积估算提供了有效的方法。 | ||||||
| 15 | 高光谱影像半监督弱信号解混方法 | CN202111553643.5 | 2021-12-17 | CN114332642A | 2022-04-12 | 周喜川; 沈象飞; 刘海军; 葛方圆 |
| 本发明涉及一种高光谱影像半监督弱信号解混方法，属于图像处理领域。该方法包括以下步骤：S1：获取卫星对指定地面范围的遥感观测影像，完成影像辐射矫正和大气矫正预处理工作；S2：采用影像光谱波峰波谷粗分析和实地勘测相结合的方式估测出卫星所观测的地区可能存在的弱信号地物，包括藻类污染的水体和工业废水污染的地面；通过实验室测量弱信号所代表的标准光谱；S3：对经过预处理的遥感影像进行初始化工作来获得影像中典型地物的初始光谱和对应的丰度分布范围；S4：采用包括无监督模块、有监督模块和稀疏正则项的模型来估测影像中地物的光谱和对应的地物分布；同时获得弱信号地物的分布范围和混合成份。 | ||||||
| 16 | 一种全光谱信号解混方法 | CN201810649095.8 | 2018-06-22 | CN109238972B | 2021-04-30 | 郭春生; 林翰闻; 蔡蒙; 杨萌 |
| 本发明提供一种全光谱信号解混方法，利用端元组约束矩阵描述端元组混合，利用端元组混合模型建立解混目标函数；利用双线性稀疏诱导方法化简所述解混目标函数；利用惯性邻近点交替线性极小化方法求解所述解混目标函数，从而计算全光谱信号的解混过程，克服了光谱端元变异导致的非线性。 | ||||||
| 17 | 一种高光谱图像的解混方法及系统 | CN202011630071.1 | 2020-12-30 | CN112712034A | 2021-04-27 | 赵敏; 陈捷; 隆弢; 李文申; 陈静 |
| 本发明公开了一种高光谱图像的解混方法及系统，包括获取待解混三维高光谱图像，对待解混三维高光谱图像进行重构处理，得到二维高光谱图像；进行端元提取，建立端元矩阵；利用端元矩阵，构建损失函数；其中，损失函数用于求解二维高光谱图像的丰度，损失函数包含先验正则项；求解损失函数，输出二维高光谱图像的丰度，二维高光谱图像的丰度即为待解混三维高光谱图像的解混结果；本发明通过获得二维高光谱图像，并对二维高光谱图像进行端元提取，根据端元矩阵确定损失函数，通过在损失函数中加入先验正则项，将图像的空间相关性的先验知识加入到图像的解混中，有效提高了解混精度；避免了手动选择正则项的类型，计算过程复杂，图像解混效果差。 | ||||||
| 18 | 一种智能型高光谱解混装置及方法 | CN201910502166.6 | 2019-06-11 | CN110174171B | 2021-04-20 | 徐速 |
| 本发明涉及一种智能型高光谱解混装置及方法，属于高光谱解混设备技术领域。该装置包括电器箱、操作按钮、操作面板、排气筒、显示屏、降噪组件、光谱成像组件、进气筒、排气扇、排气管、量化器和箱体，该发明通过在安装面板的四周设置有密闭伸缩板，实现在对数据采集时，减少外界光线的干扰，提高数据采集的准确度，通过降噪组件，在低通滤波器将信号的多余的波进行过滤，将实时加性噪声去除，过滤，量化，会使得高光谱图像质量提高，提高产生稀疏解混提取精度，通过进气扇和排气扇的配合，将外界空气从电器箱的底侧吹入，热气从电器箱的顶部输出，根据热空气自然上升的远离，热空气不会大量的滞留下电器箱周围，避免形成热岛环境，提高散热效果。 | ||||||
| 19 | 一种基于高光谱稀疏解混装置 | CN201811647860.9 | 2018-12-29 | CN109655154B | 2020-11-10 | 徐速; 何希平 |
| 本发明涉及一种基于高光谱稀疏解混装置，属于高光谱解混技术领域。该装置包括第一箱体、进气扇、进气筒、过滤网格板、降噪组件、海绵、减震棉和滤波组件，所述进气筒的一端插接固定在第一箱体的侧壁内部，所述进气扇安装在进气筒的上下两内壁之间，所述过滤网格板竖直安装在进气筒的上下两内壁之间，且位于进气筒的一端端口处。本发明通过降噪组件，在低通滤波器将信号的多余的波进行过滤，将采集过程中云层、大气等实时加性噪声去除，过滤，量化，会使得高光谱图像质量提高，提高产生稀疏解混的端元提取精度；通过滤波组件，采用光学滤波技术实现多尺度几何分析，在保证重构精度的前提下大幅度的提高稀疏解混的效率,实现快速有效的稀疏分解。 | ||||||
| 20 | 一种快速高光谱图像线性解混方法 | CN202010476422.1 | 2020-05-29 | CN111612724A | 2020-09-01 | 唐晓燕; 肖东岳; 张丹; 刘峰; 田金云; 胡瑞华 |
| 本发明涉及遥感图像处理技术领域，公开了一种快速高光谱图像线性解混方法，包括以下步骤：S1、计算高光谱图像的平均像素；S2、用施密特正交化方法计算出高光谱图像中所有像素关于平均像素的正交投影；S3、选择最大正交投影的像素作为第一个端元；S4、提取第一个端元后，计算每个像素到已提取端元的正交投影，将投影最大的像素作为新的端元；S5、当提取端元数＝p或者停止因子大于100时，结束循环；S6、丰度估计：利用施密特正交化方法，逐次求出每个端元在各个像元中的投影。这高光谱图像线性解混方法，能够快速对高光谱图像线性解混，同时提供比传统算法更好的解混性能。 | ||||||
QQ群二维码
意见反馈
意见反馈