买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工业大学申请的专利基于低秩张量多模态近似的高光谱遥感图像去条带方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119228681B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411769939.4，技术领域涉及：G06T5/70；该发明授权基于低秩张量多模态近似的高光谱遥感图像去条带方法是由程思源;胡婷;冯金超;李哲;孙中华;贾克斌设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本基于低秩张量多模态近似的高光谱遥感图像去条带方法在说明书摘要公布了：本发明涉及高光谱遥感图像去噪技术领域，是一种基于低秩张量多模态近似的高光谱遥感图像去条带方法，将观测高光谱数据中每个像素除以所有像素的最大值以实现观测高光谱数据幅值归一化；提出基于张量模‑nSVD的加权核范数WNN‑TnSVD，用于约束潜在高光谱图像的谱冗余性；提出基于张量SVD的截断核范数TNN‑TSVD，用于限制立体条带分量的秩1性；建立基于低秩张量多模态近似的高光谱图像去条带模型；基于交替方向乘子法，将以上去条带模型拆分成几个简单的子问题后，通过交替求解子问题，得到干净高光谱图像和条带噪声，实现图像、条带分离。本发明用于消除条带噪声并生成干净的高光谱图像，为流域高光谱遥感观测任务提供有效数据。

本发明授权基于低秩张量多模态近似的高光谱遥感图像去条带方法在权利要求书中公布了：1.基于低秩张量多模态近似的高光谱遥感图像去条带方法，其特征在于，包括如下步骤： S1，将观测高光谱数据中每个像素除以所有像素的最大值以实现观测高光谱数据幅值归一化；其中，h、w和b分别指高光谱数据的行、列和波段数； S2，通过张量的模-n奇异值分解SVD将矩阵加权核范数拓展至张量域，提出基于张量模-nSVD的加权核范数WNN-TnSVD，用于约束潜在高光谱图像的谱冗余性； 步骤S2具体包括如下步骤： S201：对干净高光谱图像执行模-nSVD：，其中，和是正交张量，是对角张量，n指模-n，表示张量的第n维，记作傅里叶域t积，上标表示共轭转置；为了约束高光谱图像的谱冗余性，令； S202：对奇异值张量的FFT的每一水平即n=1或侧面即n=2切片中所有对角元素执行加权求和：；其中，表示高光谱图像的WNN-TnSVD，i和j分别是指第i个切片和第j个对角元素，表示加权序列，为保留图像重要信息，即大奇异值，令其第个元素，c是一个正的常量，用于避免无效运算； S3，通过张量SVD将矩阵截断核范数拓展至张量域，提出基于张量SVD的截断核范数TNN-TSVD，用于限制立体条带分量的秩1性； 步骤S3具体包括如下步骤： S301：对立体条带噪声执行张量SVD即模-3SVD：，其中，，是正交张量，是对角张量； 具体地，对的每个前向切片执行FFT得到后，对的每个前向切片执行SVD：，最后依次对、和的每个前向切片、和执行IFFT得到、和；其中，； S302：对奇异值张量的FFT的每一前向切片中第r个之后小对角元素执行加权求和：；其中，表示条带噪声的TNN-TSVD，k和j分别是指第k个前向切片和第j个对角元素；其中，r为截断值，设为2，以保障条带噪声的秩1性； S4，利用干净高光谱图像的WNN-TnSVD最小化和立体条带噪声的TNN-TSVD最小化，协同约束观测高光谱图像受加性条带噪声污染的退化问题：，建立基于低秩张量多模态近似的高光谱图像去条带模型；其中，分别表示干净的高光谱图像和条带噪声分量； S5，基于交替方向乘子法，将以上去条带模型拆分成几个简单的子问题后，通过交替求解子问题，得到干净高光谱图像和条带噪声，实现图像、条带分离。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。