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！

龙图腾网获悉四川工程职业技术大学申请的专利基于汉克尔秩增加张量分解的高光谱图像压缩重建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：CN121564121B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610084120.7，技术领域涉及：G06T9/00；该发明授权基于汉克尔秩增加张量分解的高光谱图像压缩重建方法是由孔祥阳设计研发完成，并于2026-01-22向国家知识产权局提交的专利申请。

本基于汉克尔秩增加张量分解的高光谱图像压缩重建方法在说明书摘要公布了：本发明公开了一种基于汉克尔秩增加张量分解的高光谱图像压缩重建方法，属于图像处理和光谱遥感技术领域，包括以下步骤：步骤1，构建基于正则项约束的基础高光谱图像压缩重建模型，获取高光谱图像的压缩量测值；步骤2，构建基于汉克尔变换的高阶张量；步骤3，针对步骤2得到的高阶张量，构建基于汉克尔秩增加张量分解的正则项；步骤4，将步骤3构建的汉克尔秩增加张量分解的正则项替换步骤1中基础压缩重建模型的稀疏正则项，形成最终的高光谱图像压缩重建模型；步骤5，采用交替优化方法对步骤4构建的高光谱图像压缩重建模型进行求解。本发明能有效解决高光谱图像数据量大、存储传输困难及现有压缩重建方法忽略多维结构信息的问题。

本发明授权基于汉克尔秩增加张量分解的高光谱图像压缩重建方法在权利要求书中公布了：1.基于汉克尔秩增加张量分解的高光谱图像压缩重建方法，其特征在于，包括以下步骤： 步骤1，构建基于正则项约束的基础高光谱图像压缩重建模型，获取高光谱图像的压缩量测值； 步骤2，基于步骤1中的高光谱图像，构建基于汉克尔变换的高阶张量； 步骤3，针对步骤2得到的高阶张量，构建基于汉克尔秩增加张量分解的正则项； 步骤4，将步骤3构建的汉克尔秩增加张量分解的正则项替换步骤1中基础高光谱图像压缩重建模型的稀疏正则项，形成最终的高光谱图像压缩重建模型； 步骤5，采用交替优化方法对步骤4构建的高光谱图像压缩重建模型进行求解，最终输出重建的高光谱图像； 步骤1中，所述构建基于正则项约束的基础高光谱图像压缩重建模型，获取高光谱图像的压缩量测值，包括： 设高光谱图像的空间分辨率为、光谱波段为，则高光谱图像表示为：，高光谱图像的向量形式为：； 通过压缩感知模型获得的压缩量测值： ；1 其中，为压缩算子，，；压缩率为； 在约束等距性质条件下，通过寻求最稀疏的信号，公式1转化为如下形式： ；2 其中，表示稀疏正则项； 步骤2中，所述构建基于汉克尔变换的高阶张量，包括： 对于高光谱图像，给出3个复制矩阵，其中，；，，，；；然后根据多路延迟嵌入变换获取汉克尔化的高阶张量： ；3 其中，为延迟嵌入算子的长度，为汉克尔算子，算子表示将3阶张量升阶为6阶张量； 步骤3中，所述构建基于汉克尔秩增加张量分解的正则项的表达式为： ，；4 其中，为字典矩阵，；为关系张量，用于表征不同字典矩阵之间的关联性；为单位矩阵；表示关系张量与字典矩阵在第i个维度的乘积，； 步骤4中，所述最终的高光谱图像压缩重建模型的表达式为： ；5 其中，表示Frobenius范数，为张量的正则化参数； 步骤5中，所述采用交替优化方法对步骤4构建的高光谱图像压缩重建模型进行求解，最终输出重建的高光谱图像，包括： 将所述最终的高光谱图像压缩重建模型拆解为三个相互独立的子问题，通过固定其他变量的方式，分别迭代更新字典矩阵、关系张量和图像向量，最终输出重建的高光谱图像。

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四川工程职业技术大学，其通讯地址为：618000 四川省德阳市旌阳区泰山南路二段801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。