首页> 中国专利> 一种基于深度卷积神经网络的遥感图像缺失数据重建方法

一种基于深度卷积神经网络的遥感图像缺失数据重建方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明中提出的一种基于深度卷积神经网络的遥感图像缺失数据重建方法，其主要内容包括：多源数据的融合、多尺度卷积特征提取单元、扩张卷积、增强时间‑空间‑光谱信息、跳跃连接，其过程为，首先输入两种类型不同的数据，经过卷积运算产生特征映射，接着由多尺度卷积特征提取单元提取更多的特征并将特征融合，然后使用不同的扩张因子实现相同的滤波，定义残差映射，构造缺失区域，采用梯度下降算法作为优化方法，由跳跃连接传递特征信息，保持图像的细节；最后计算损失函数的均值平方误差，直到数值最小，通过收敛损失获得真实数据。本发明可运用于不同类型的丢失信息的恢复，提高视觉感知和重建精度，提高工作效率。

著录项

公开/公告号CN108876754A

专利类型发明专利
公开/公告日2018-11-23

原文格式PDF
申请/专利权人深圳市唯特视科技有限公司;
展开▼

申请/专利号CN201810549450.4
发明设计人夏春秋;
展开▼

申请日2018-05-31
分类号G06T5/50(20060101);
代理机构
代理人
地址 518057 广东省深圳市高新技术产业园区高新南一道009号中科研发园新产业孵化中心楼610室
入库时间 2023-06-19 07:21:40

法律信息

法律状态公告日

法律状态信息

法律状态
2019-08-27

发明专利申请公布后的撤回 IPC(主分类):G06T5/50 申请公布日:20181123 申请日:20180531

发明专利申请公布后的撤回
2018-12-18

实质审查的生效 IPC(主分类):G06T5/50 申请日:20180531

实质审查的生效
2018-11-23

公开

公开

相似文献

专利
中文文献
外文文献

1. 一种基于深度卷积神经网络的遥感图像缺失数据重建方法 [P] . 中国专利： CN108876754A . 2018-11-23
2. 一种基于改进的深度残差卷积神经网络和深度哈希的高清遥感图像快速检索方法 [P] . 中国专利： CN112650877A . 2021-04-13
3. Deep learning based techniques for pre training deep convolution neural networks [P] . JP6888123B2 . 2021-06-16

机译：基于深入训练深度卷积神经网络的基于深度学习技术
4. A deep learning based technique for training deep convolution neural networks [P] . JP2021093169A . 2021-06-17

机译：基于深度卷积神经网络的深度学习技术
5. Deep convolution neural network training method based on deep learning [P] . RU2019139312A . 2021-06-03

机译：基于深度学习的深度卷积神经网络训练方法