買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉北京工業(yè)大學(xué)申請(qǐng)的專利基于低秩張量多模態(tài)近似的高光譜遙感圖像去條帶方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119228681B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411769939.4，技術(shù)領(lǐng)域涉及：G06T5/70；該發(fā)明授權(quán)基于低秩張量多模態(tài)近似的高光譜遙感圖像去條帶方法是由程思源;胡婷;馮金超;李哲;孫中華;賈克斌設(shè)計(jì)研發(fā)完成，并于2024-12-04向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于低秩張量多模態(tài)近似的高光譜遙感圖像去條帶方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及高光譜遙感圖像去噪技術(shù)領(lǐng)域，是一種基于低秩張量多模態(tài)近似的高光譜遙感圖像去條帶方法，將觀測(cè)高光譜數(shù)據(jù)中每個(gè)像素除以所有像素的最大值以實(shí)現(xiàn)觀測(cè)高光譜數(shù)據(jù)幅值歸一化；提出基于張量模?nSVD的加權(quán)核范數(shù)WNN?TnSVD，用于約束潛在高光譜圖像的譜冗余性；提出基于張量SVD的截?cái)嗪朔稊?shù)TNN?TSVD，用于限制立體條帶分量的秩1性；建立基于低秩張量多模態(tài)近似的高光譜圖像去條帶模型；基于交替方向乘子法，將以上去條帶模型拆分成幾個(gè)簡(jiǎn)單的子問(wèn)題后，通過(guò)交替求解子問(wèn)題，得到干凈高光譜圖像和條帶噪聲，實(shí)現(xiàn)圖像、條帶分離。本發(fā)明用于消除條帶噪聲并生成干凈的高光譜圖像，為流域高光譜遙感觀測(cè)任務(wù)提供有效數(shù)據(jù)。

本發(fā)明授權(quán)基于低秩張量多模態(tài)近似的高光譜遙感圖像去條帶方法在權(quán)利要求書(shū)中公布了：1.基于低秩張量多模態(tài)近似的高光譜遙感圖像去條帶方法，其特征在于，包括如下步驟： S1，將觀測(cè)高光譜數(shù)據(jù)中每個(gè)像素除以所有像素的最大值以實(shí)現(xiàn)觀測(cè)高光譜數(shù)據(jù)幅值歸一化；其中，h、w和b分別指高光譜數(shù)據(jù)的行、列和波段數(shù)； S2，通過(guò)張量的模-n奇異值分解SVD將矩陣加權(quán)核范數(shù)拓展至張量域，提出基于張量模-nSVD的加權(quán)核范數(shù)WNN-TnSVD，用于約束潛在高光譜圖像的譜冗余性； 步驟S2具體包括如下步驟： S201：對(duì)干凈高光譜圖像執(zhí)行模-nSVD：，其中，和是正交張量，是對(duì)角張量，n指模-n，表示張量的第n維，記作傅里葉域t積，上標(biāo)表示共軛轉(zhuǎn)置；為了約束高光譜圖像的譜冗余性，令； S202：對(duì)奇異值張量的FFT的每一水平即n=1或側(cè)面即n=2切片中所有對(duì)角元素執(zhí)行加權(quán)求和：；其中，表示高光譜圖像的WNN-TnSVD，i和j分別是指第i個(gè)切片和第j個(gè)對(duì)角元素，表示加權(quán)序列，為保留圖像重要信息，即大奇異值，令其第個(gè)元素，c是一個(gè)正的常量，用于避免無(wú)效運(yùn)算； S3，通過(guò)張量SVD將矩陣截?cái)嗪朔稊?shù)拓展至張量域，提出基于張量SVD的截?cái)嗪朔稊?shù)TNN-TSVD，用于限制立體條帶分量的秩1性； 步驟S3具體包括如下步驟： S301：對(duì)立體條帶噪聲執(zhí)行張量SVD即模-3SVD：，其中，，是正交張量，是對(duì)角張量； 具體地，對(duì)的每個(gè)前向切片執(zhí)行FFT得到后，對(duì)的每個(gè)前向切片執(zhí)行SVD：，最后依次對(duì)、和的每個(gè)前向切片、和執(zhí)行IFFT得到、和；其中，； S302：對(duì)奇異值張量的FFT的每一前向切片中第r個(gè)之后小對(duì)角元素執(zhí)行加權(quán)求和：；其中，表示條帶噪聲的TNN-TSVD，k和j分別是指第k個(gè)前向切片和第j個(gè)對(duì)角元素；其中，r為截?cái)嘀担O(shè)為2，以保障條帶噪聲的秩1性； S4，利用干凈高光譜圖像的WNN-TnSVD最小化和立體條帶噪聲的TNN-TSVD最小化，協(xié)同約束觀測(cè)高光譜圖像受加性條帶噪聲污染的退化問(wèn)題：，建立基于低秩張量多模態(tài)近似的高光譜圖像去條帶模型；其中，分別表示干凈的高光譜圖像和條帶噪聲分量； S5，基于交替方向乘子法，將以上去條帶模型拆分成幾個(gè)簡(jiǎn)單的子問(wèn)題后，通過(guò)交替求解子問(wèn)題，得到干凈高光譜圖像和條帶噪聲，實(shí)現(xiàn)圖像、條帶分離。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人北京工業(yè)大學(xué)，其通訊地址為：100124 北京市朝陽(yáng)區(qū)平樂(lè)園100號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。