原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种面向深度学习的多尺度样本生成方法，属于遥感图像处理领域。本发明首先利用常用比例尺构建样本尺度空间，根据样本的原始分辨率确定需要上采样和下采样的参数值，分别利用小波变换和高斯尺度变换将构建图像的多尺度样本。本发明方法极大地扩展了单一分辨率样本训练的深度学习模型适用的图像范围，利用高斯尺度变换方法在生成低分辨率图像的同时不改变图像的大小，简化了深度学习模型的结构，处理方法成熟，易于实现，计算复杂度较低。同时，本发明方法适用于光学、红外、SAR、高光谱等多种类型的影像，对深度学习模型具
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 113435487 B
(45)授权公告日 2022.08.12
(21)申请号 202110666661.8 G06T 3/40 (2006.01)
文档评论（0）