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！

龙图腾网获悉南京理工大学申请的专利可学习隐式变量迭代展开网络的高光谱稀疏解混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：CN115170960B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202210769948.8，技术领域涉及：G06V20/10；该发明授权可学习隐式变量迭代展开网络的高光谱稀疏解混方法是由邵远天;肖亮设计研发完成，并于2022-07-01向国家知识产权局提交的专利申请。

本可学习隐式变量迭代展开网络的高光谱稀疏解混方法在说明书摘要公布了：本发明公开了一种可学习隐式变量迭代展开网络的高光谱稀疏解混方法，包括：稀疏约束优化构造解混模型；变量分裂和增广拉格朗日法构建交替方向迭代；交替方向迭代步建模为隐式展开网络模块，包括丰度变量和乘子变量可学习层；构造可学习平滑卷积层，提升丰度分片光滑性；编解码结构实现光谱解混与重构；采取无监督损失函数实现模型训练。本发明利用经典稀疏解混模型的优化机制设计可学习网络，网络层基于算法迭代步设计，充分满足高光谱丰度的稀疏性与分片光滑性，增强了可解释性和透明性；引入无监督训练机制，增强了网络可用性；通过模型驱动和网络参数共享降低模型参数规模和过拟合现象，实现模型轻量化。

本发明授权可学习隐式变量迭代展开网络的高光谱稀疏解混方法在权利要求书中公布了：1.一种可学习隐式变量迭代展开网络的高光谱稀疏解混方法，其特征在于，包括如下步骤： 步骤1，处理原始高光谱数据与光谱库获得模型输入；依据丰度的稀疏特性，构建具有稀疏性约束的解混模型；具体为： 1处理原始高光谱数据与光谱库获得模型输入 原始高光谱图像数据其中，B表示高光谱的波段数，L和W分别表示图像空间维度的宽度和高度；将原始高光谱数据逐像素扫描以列方向排序，形成光谱像元矩阵Y＝[y1,y2,…,yi,…,yN]∈RB×P，其中P＝L×W表示高光谱像元的个数，yi∈RL，表示第i个光谱像元，1≤i≤P；将光谱库A与高光谱数据Y进行波段匹配，使二者光谱维度保持一致； 2高光谱解混的线性模型的形式如下： Y＝AX+N1 其中，Y∈RB×P代表高光谱数据矩阵，A∈RB×N代表含有N个端元的端元字典，X∈RN×P代表丰度矩阵，N∈RB×P代表噪声； 引入稀疏与非负约束，得到式2中所述模型的优化求解函数： 式2中，λ0为正则化参数，表示集合R+的指标函数，即有：若 步骤2，使用变量分裂与增广拉格朗日法，构建解混模型的交替方向迭代求解形式；具体为： 为求解丰度变量X，构造3式的拉格朗日函数 式中，Z＝X为辅助变量，α为拉格朗日乘子，ρ0是惩罚因子，Zi,j表示矩阵Z第i行第j列的元素，若 那么，3式的交替方向迭代格式为： 其中U＝-αρ； 对第一步迭代：根据凸优化问题求解可得： Xk+1＝ATA+ρI-1[ATY+ρZk-Uk]5 第二步迭代：用软阈值算法求解，有： Zk+1＝max{0,softXk-Zk}6 综合56式，得到交替方向迭代形式为： 步骤3，将交替方向迭代步建模成包含隐式可学习参数的网络模块，其中包含丰度变量与乘子变量可学习层；具体如下： 对迭代第一步Xk+1＝ATA+ρI-1[ATY+ρZk-Uk]进行建模，令H＝ρI，设置H和ρ为可学习参数作为丰度变量层1，输出无约束丰度变量Xk+1；具体为： Xk+1＝ATA+H-1[ATY+ρZk-Uk]8 迭代第二步Zk+1＝max{0,softXk+1-Zk,λρ}建模为Zk+1＝ReLUXk+1-Zk-θ9 其中参数θ为可学习参数，作为丰度变量层2，输出非负与稀疏约束的丰度变量Zk+1； 将迭代的第三步Uk+1＝Uk+ρXk+1-Zk+1中参数ρ设置为可学习参数μ，作为乘子变量层，更新拉格朗日乘子； Uk+1＝Uk+μXk+1-Zk+110 至此稀疏模型驱动隐式展开网络模块为： 步骤4，根据端元丰度在空间分布上的分片光滑性，构建可学习卷积平滑层，将其插入可学习模块中，完成隐式展开网络的迭代结构；具体为： 在空间分布上，单个端元的丰度具有片面光滑的特性，基于这个先验构造可学习的卷积层，并将其插入到两个丰度变量层之间；首先，将8式的结果做维度变换：然后在三维数据的端元维度上做二维卷积运算，得到平滑约束的丰度张量Ck+1： 卷积核的初始化选择二维高斯滤波初始化，并允许卷积核权重进行后向传播； 至此稀疏模型驱动隐式展开网络的迭代结构为： 步骤5，将光谱库看作编码器，光谱解混过程看作解码过程，对解混丰度重编码，以实现光谱重构； 步骤6，采取无监督损失函数实现模型训练：计算重构光谱与输入光谱的均方误差、光谱角距离、光谱信息熵损失函数，通过反向传播训练模型，得到最优模型参数下解混出的各端元丰度和重构光谱。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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。