[发明专利]基于优化稀疏算法的多目标光纤光谱二维模型抽谱方法

说明书

本发明公开了一种基于优化稀疏算法的多目标光纤光谱二维模型抽谱方法，其中，包括：建立点扩展函数模型，包括：根据多目标光纤光谱轮廓的特征，对点扩展函数模型进行拟合：建立抽谱矩阵并求解：根据一维输入目标光谱、对应的点扩展函数与生成的二维目标光谱的映射关系，将光谱能量扩散的过程用方程来表述；对二维目标谱上的像素点进行采样；利用实际特征谱线的稀疏分布的特点，将加入约束条件的稀疏重建优化算法应用在求解抽谱方程中，消除振铃现象，估计出原始一维谱线；将抽谱方程表述为二次规划问题，将变量λ分裂为正数解和负数解两部分，在使用GPSR‑BB算法求得λ的解后，就完成了抽谱过程，还原出了原始一维输入光谱。

技术领域

本发明属于光纤光谱图像和数据处理领域，提出了一种基于优化 稀疏算法的多目标光纤光谱二维模型抽谱方法。

背景技术

目前，国内外大多数多目标光纤光谱望远镜的光谱数据处理系统 采用的抽谱算法都是基于一维模型的抽谱算法，例如国内的LAMOST 望远镜数据处理系统(Luo etal.2015)，国外的SDSS望远镜的APOGEE 系统(Nidever et al.2015)，AAT望远镜的WiggleZDark Energy Survey(Drinkwater et al.2010)、GAMA(Galaxy And Mass Assembly)(Liske et al.2015)，WiFeS望远镜的PyWiFeS系统(Childress et al.2014)等等。

由于二维光谱是由一维光谱经过二维的点扩展函数的扩展后形 成的，因此二维光谱的空间方向和波长方向具有相关性，以上这些现 有的数据处理系统中采用的基于一维模型的抽谱算法(Bolton and Burles 2007；Sharp and Birchall 2010；Ritter etal.2014)都 是直接采用按列抽取光谱的方式，破坏了数据的结构，忽略了空间与 波长方向的相关性，不符合二维光谱的二维点扩展函数能量扩展原 理。而极少数已投入工程应用的多目标光纤光谱望远镜数据处理系 统，如SDSS望远镜的BigBOSS系统(Schlegel,etal.2010)，已经 意识到这一问题，但是其提出的基于二维模型的抽谱方法只能成功模 拟出点扩展函数的轮廓，完成了校准矩阵/点扩展函数矩阵的建模， 在实际操作中，对抽谱矩阵的反卷积求逆运算这一直接的矩阵运算存 在严重的振铃现象，抽谱的精确度不够，没有实现真正的二维算法抽 谱(Bolton and Schlegel 2010；Pandey 2011)，作者及其团队也在 寻找解决这一问题的方法。

发明内容

本发明的目的在于提供一种基于优化稀疏算法的多目标光纤光 谱二维模型抽谱方法，用于解决上述现有技术的问题。

本发明一种基于优化稀疏算法的多目标光纤光谱二维模型抽谱 方法，其中，包括：建立点扩展函数模型，包括：根据多目标光纤光 谱轮廓的特征，对点扩展函数模型进行拟合：建立抽谱矩阵并求解： 根据一维输入目标光谱、对应的点扩展函数与生成的二维目标光谱的 映射关系，将光谱能量扩散的过程用方程来表述：

G_ji＝g_j(x”,y”)；

其中，λ_j表示一维输入目标光谱的流量，也是抽取的光谱流量， G_ji表示波长方向第j个像素为中心点的点扩展函数对采样矩阵向量q 中第i个采样点q_i的映射函数，(x”,y”)表示二维目标光谱图像中的像 素坐标，M代表波长方向像素点数，将(x”,y”)代入拟合后的函数g(x， y)；

对二维目标谱上的像素点进行采样，在每个波长位置对应的空间 方向光谱轮廓上，均匀地选取轮廓中心附近的s个采样点，总共选取 N＝M×s个采样点，N代表二维目标谱上的采样点数目，将目标谱上 的采样点(x”,y”)按列排列成向量的形式q_i(i＝1,2,L N)，i＝x”+(y”-1)M；