[发明专利]基于双支深度学习网络的遥感图像融合方法及系统在审
| 申请号： | 201810864164.7 | 申请日： | 2018-08-01 |
| 公开（公告）号： | CN109146831A | 公开（公告）日： | 2019-01-04 |
| 发明（设计）人： | 邵振峰;蔡家骏 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50;G06N3/04 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 严彦 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供基于双支深度学习网络的遥感图像融合方法及系统，包括对作为样本数据的全色图像与多光谱图像分别进行相应倍数的下采样，获得训练样本；构建双支卷积神经网络，采用随机梯度下降算法对双支卷积神经网络进行训练，得到训练完成的双支卷积神经网络；将待融合的全色图像与多光谱图像，输入到训练完成的双支卷积神经网络中，得到融合后的高空间分辨率的多光谱图像。本发明针对遥感图像中的全色与多光谱图像的融合，利用深层次的深度卷积网络能够更加充分地提取影像的特征，集成两种图像之间的互补信息，生成高空间分辨率的多光谱图像。 | ||
| 搜索关键词： | 多光谱图像 卷积神经网络 高空间分辨率 遥感图像融合 全色图像 融合 互补信息 随机梯度 下降算法 训练样本 样本数据 遥感图像 网络 下采样 构建 卷积 全色 影像 图像 学习 | ||
【主权项】：
1.一种基于双支深度学习网络的遥感图像融合方法，其特征在于，包括以下步骤：步骤a，对作为样本数据的全色图像与多光谱图像分别进行相应倍数的下采样，获得训练样本；步骤b，构建双支卷积神经网络，所述双支卷积神经网络包括一条用于输入多光谱图像的支线和一条用于输入全色图像的支线，两条支线分别包含若干卷积模块，将两条支线提取出的特征进行特征维度上的合并后，再利用一个卷积模块进行融合结果的输出；步骤c，利用步骤a所得训练样本，采用随机梯度下降算法对双支卷积神经网络进行训练，得到训练完成的双支卷积神经网络；步骤d，将待融合的全色图像与多光谱图像，输入到步骤c所得训练完成的双支卷积神经网络中，得到融合后的高空间分辨率的多光谱图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810864164.7/，转载请声明来源钻瓜专利网。
