[发明专利]一种基于多层前馈神经网络的二维光纤光谱图像校正技术

权利要求书

1.一种基于多层前馈神经网络的二维光纤光谱图像校正技术，其特征在于，包括以下步骤：

1)通过对二维平场光谱图像进行光纤追迹，得到含有250条光谱曲线的二维光纤追迹图像；

2)对上一步得到的二维光纤追迹结果图中每一条曲线使用完全最小二乘法进行直线拟合，将拟合出的直线作为校正后的目标输出；

3)产生在球面上均匀分布的2*N个点，并将上半球(或者下半球)部分的N个点投影到二维平面的图像作为数据集选点规律的分布图；

4)按照上一步产生的选点分布图对二维光纤追迹结果图和直线拟合结果图进行像素点采样，构造训练神经网络的数据集，其中光纤追迹图中点的横纵坐标值作为二维输入向量(x,y)，而直线拟合结果图中对应的点作为二维输出向量(x’,y’)；

5)构造输入输出都为两个神经元的多层前馈神经网络模型，使用上一步构造的数据集进行训练，保存训练好的网络模型参数；

6)使用上一步训练好的神经网络模型对原始二维平场光谱中的每一个像素点进行校正，输入同样为每个点所在位置对应的波长方向和空间方向的(x,y)，将对应输出位置点的像素值用输入点像素值代替。

2.根据权利要求1所述的基于多层前馈神经网络的二维光纤光谱图像校正技术，其特征在于，步骤3)所述的选点分布图的产生方法为：

首先在球面上产生均匀分布的2*N个点，接着取上半球(或者下半球)部分投影到二维平面；

实现球面上均匀点分布的方法是基于同种等量电荷相互排斥的物理模型：设每个点的状态量为(r_i,v_i)，其中i＝1,2,…,2N,r_i＝(x_i,y_i,z_i)分别表示三维坐标系中的坐标值，v_i＝(v_x,v_y,v_z)分别表示x,y,z方向的运动速度，对于每一个点p_i(i＝1,2,…,2N)随机生成一个初始状态(r_i0,v_i0)，设置最大迭代次数M和斥力常数G，每一次迭代对点的位置和各方向速度进行更新，满足：

其中r_i(j+1),v_i(j+1)分别表示在第(j+1)次迭代后第i个电荷的位置和速度，i＝1,2,…,2N,j＝1,2,…,M；F^v_i表示第i个电荷所受其他电荷排斥力的切向分量；

经过M次迭代之后，电荷的运动达到一个相对平衡的状态，接着将所有满足z轴坐标大于等于0的点投影到x-y二维平面，得到中间稀疏四周密集的点分布图。

3.根据权利要求1所述的基于多层前馈神经网络的二维光纤光谱图像校正技术，其特征在于，步骤4)所述数据集构建过程，具体如下：

对于图像中每一像素点(x_i,y_i)，这里规定水平方向为波长方向，垂直方向为空间位置，光纤追迹图像上的每一个像素点波长和空间方向上的坐标值可以作为数据集的输入特征，而对应的输出则是曲线经过直线拟合后对应的点的两个方向上的值(x_i′,y_i′)，数据集的输入输出都为二维向量，通过设置不同的数目大小分别产生不同点分布图用于构造训练集和测试集，比例满足5:1～3:1。

4.根据权利要求2所述的基于多层前馈神经网络的二维光纤光谱图像校正技术，其特征在于，步骤6)所述使用训练好的神经网络模型对原始二维平场光谱校正的方法为：

对原始LAMOST二维平场光谱图像中每一个像素点构造一个代表其所在位置的二维特征向量(x_i,y_i)，比如图像中第一列第一行的像素点的特征向量为(1,1),第一列第二行的像素为(1,2)…将代表原始图像所有像素位置的二维特征向量作为训练好的神经网络模型的输入向量，得到对应的二维输出向量(x_i′,y_i′)，并将此输出位置所在的像素值用输入像素点的像素值代替，以实现图像校正。