[发明专利]一种将卷积神经网络编码成光谱透过率的方法

权利要求书

1.一种将卷积神经网络编码成光谱透过率的方法，其特征在于，用于编码的卷积神经网络只能由具有线性特性的层结构构成，且网络中所有的激活函数均为线性函数；通过对卷积神经网络中各类层结构所涉及的数学公式进行推导，最终将整个卷积神经网络转换为一个线性方程，该线性方程中输入与输出的映射关系等同于该卷积神经网络，并将线性方程的权重进一步编码成光谱透过率；若编码后的光谱透过率存在负值，则编码后的光谱透过率被分解为两组非负的光谱透过率，即成像光谱透过率及补偿光谱透过率，该两组光谱透过率所获得的光学测量值之差等效于基于编码后的光谱透过率所获得的光学测量值；通过将编码后的光谱透过率所获得的光学测量值与全通光谱透过率所获得的光学测量值两者相除，进而实现均一化预处理；最终实现使用通过特定光谱透过率成像的物理过程替代均一化预处理及卷积神经网络的数值运算过程；

用于编码的卷积神经网络包括一维卷积层、平均池化层、全连接层；将整个卷积神经网络转换为一个线性方程的具体过程如下：

(1)一维卷积层：设为第m个输入特征向量，其中，m∈N^*,m≤α₁，α₁为输入特征向量的总数；第一个卷积层的输入特征向量为光谱数据；设为第k个卷积核，其中，k∈N^*,k≤δ，δ为卷积核的总数；则第k个输出特征向量根据公式(1)计算得出，其中“*”为卷积运算符号；

(2)平均池化层：设ε为平均池化的步长，即每次进行平均池化的元素数量；设x_m,n为第m个输入特征向量的第n个元素，其中，m,n∈N^*,m≤α₂,n≤β₁，α₂为输入特征向量的总数，β₁为每个输入特征向量的元素总数；则第m个输出特征向量的第v个元素y_m,v根据公式(2)计算得出；其中，v∈N^*,z为求和符号的变数；当ε与β₁相等时，该公式等效于全局平均池化层；

(3)全连接层：对于全连接层，其输入特征向量为单个特征向量或由一系列特征向量展开后合并得到的一个向量；设x_n为输入特征向量的第n个元素，其中，n∈N^*,n≤β₂，β₂为输入特征向量的元素总数；设w_v,n为输入特征向量的第n个元素对应于输出特征向量的第v个元素的权重，其中，v∈N^*,v≤γ，γ为输出特征向量的元素总数；设e_v为输出特征向量的第v个元素的偏置，则输出特征向量的第v个元素y_v由公式(3)计算得出：

(4)基于卷积神经网络的具体结构，将上述各层结构对应的公式进行嵌套，经展开及合并同类项，并将偏置e_v与输出特征向量的第v个元素y_v合并为后，最终获得一个线性方程，如公式(4)所示：

其中，s_n为输入光谱在第n个波段上的光强，λ为光谱的波段总数，为输入光谱在第n个波长上的光强对应于第v个输出值的权重，的值由卷积神经网络的内部参数根据公式(1)～(3)计算得出；

将线性方程编码成光谱透过率，具体过程为：根据经滤光片采集光学测量值的物理过程，根据公式(5)将线性方程的权重编码成光谱透过率

当编码后的光谱透过率为非负时，则该光谱透过率直接为成像光谱透过率；否则，编码后的光谱透过率被分解为两组非负的光谱透过率，即成像光谱透过率及补偿光谱透过率；其中，成像光谱透过率通过编码后的光谱透过率与其最小透过率的绝对值求和获得，即成像光谱透过率的最小透过率值为0；其中，补偿光谱透过率在每个波长下的透过率值均为编码后的光谱透过率中最小透过率的绝对值。