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基于多任务卷积稀疏编码网络的高光谱图像去噪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：CN116681599B 。

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：202211619175.1，技术领域涉及：G06T5/00；该发明授权基于多任务卷积稀疏编码网络的高光谱图像去噪方法是由熊凤超;涂坤;傅冠夷蛮;陆建峰设计研发完成，并于2022-12-14向国家知识产权局提交的专利申请。

本基于多任务卷积稀疏编码网络的高光谱图像去噪方法在说明书摘要公布了：本发明公开了一种基于多任务卷积稀疏编码网络的高光谱图像去噪方法，包括：S1、获取待去噪的高光谱图像；S2、通过卷积稀疏表示模型对去噪任务建模，同时添加L1正则项对稀疏性进行约束；S3、通过迭代软阈值收缩iterativesoft‑thresholdingalgorithm,ISTA算法对去噪模型进行求解得到求解公式；S4、将求解公式通过深度展开deepunfolding方式转化为端到端可学习深度神经网络进行优化，网络的损失函数为均方损失函数，得到去噪后的图像。本发明提出了不同波段间图像可以共享卷积稀疏系数这一关键观察，实现了高光谱图像的空间‑光谱关系联合建模，克服了需要划分图像块的问题，可以直接将整张图像作为输入，从而实现高光谱图像去噪。具有去噪能力强，适用性好等优点。

本发明授权基于多任务卷积稀疏编码网络的高光谱图像去噪方法在权利要求书中公布了：1.一种基于多任务卷积稀疏编码的高光谱图像去噪方法，其特征在于，包括以下步骤： S1、获取含有噪声的高光谱图像Y是一个波段数为B、长为h、宽为w的高光谱图像，噪声大小为对应的干净图像噪声图像对应的退化模型为： Y＝X+Ν1 S2、通过卷积稀疏表示模型对去噪任务建模，同时添加L1正则项对稀疏性进行约束； S3、通过迭代软阈值收缩算法ISTA对去噪模型进行求解得到求解公式； S4、将求解公式通过深度展开方式转化为端到端可学习深度神经网络进行优化，获得去噪后的图像； 所述步骤S2具体实现方法为： 针对每个波段的图像，由卷积字典中卷积核稀疏表示而成，其公式如下： 其中代表卷积操作，表示M个字典的集合，dbm是第b波段图像对应的第m个卷积核，代表稀疏表示系数，不同波段共用同一个卷积稀疏编码S，‖sm‖1表示对s添加L正则项保证稀疏性；将其带入到公式1中得到在多任务卷积稀疏先验下的高光谱图像去噪的目标表达式为： 代表输入噪声图像的第b波段图像，B代表高光谱图像的波段数目，λ是正则项系数； 所述步骤S3具体实现方法为： 在字典D固定的情况下通过迭代阈值收缩ISTA算法对公式3进行求解： 其中C为步长,soft·是软阈值收缩算子，其定义为softx＝signx·max|x|- θ,0；经过K次迭代之后得到S后，去噪后的图像其中第b波段图像由公式5获得：

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。