[发明专利]一种深度学习型快照式光谱成像装置及其探测方法

权利要求书

1.一种深度学习型快照式光谱成像装置，其特征在于，包括：沿入射光向依次设置的偏振干涉滤光阵列(12)、透镜阵列(13)、探测器(14)和数据采集处理显示系统(15)；

所述偏振干涉滤光阵列(12)包括：沿入射光向依次设置的线起偏器(121)、延迟器阵列(122)和线分析器(123)；其中，所述延迟器阵列(122)中的每个子延迟器的厚度不同，快轴方向均相同；所述线起偏器(121)与所述线分析器(123)的透振方向相同，并与所述延迟器阵列(122)的快轴方向成45°夹角；

所述探测器(14)的感光面位于透镜阵列(13)的后焦面上；

所述探测器(14)与所述数据采集处理显示系统(15)相连接；所述数据采集处理显示系统(15)用于控制探测器(14)快照一帧携带偏振干涉编码的子图像阵列；

其中，所述数据采集处理显示系统(15)包括：物理层神经网络(151)和重建神经网络(152)；

所述物理层神经网络(151)以延迟器阵列(122)中子延迟器的个数和厚度为变量，用于模拟深度学习型快照式光谱成像装置获取子图像阵列的功能；

所述重建神经网络(152)以网络权值和偏置参数作为变量，用于重构高光谱图像立方体。

2.根据权利要求1所述的一种深度学习型快照式光谱成像装置，其特征在于，还包括：挡光孔阵列；

所述挡光孔阵列设置于所述透镜阵列(13)与所述探测器(14)之间，用于限制视场范围，防止相邻子图像重叠。

3.根据权利要求1所述的一种深度学习型快照式光谱成像装置，其特征在于，还包括：准直光学系统(11)；

所述准直光学系统(11)包括：沿入射光向依次设置的物镜(111)、视场光阑(112)和准直镜(113)；其中，所述视场光阑(112)置于所述物镜(111)的像面上，所述物镜(111)的像面与所述准直镜(113)的前焦面重合；

所述准直光学系统(11)位于偏振干涉滤光阵列(12)前方，用于限制视场范围，防止相邻子图像重叠。

4.根据权利要求1所述的一种深度学习型快照式光谱成像装置，其特征在于，所述数据采集处理显示系统(15)同时训练优化物理层神经网络(151)和重建神经网络(152)；

训练时，分别以最少化延迟器阵列(122)中子延迟器的个数为目标和以重构出高质量的光谱图像立方体为目标；

训练出符合预设要求的光谱图像立方体时，确定延迟器阵列(122)中子延迟器的最优个数和厚度，同时获得重建神经网络(152)的优化网络权值和偏置参数。

5.根据权利要求4所述的一种深度学习型快照式光谱成像装置，其特征在于，所述数据采集处理显示系统(15)利用重建神经网络(152)及其优化网络权值和偏置参数，从携带偏振干涉编码的优化子图像阵列中推理获得光谱图像立方体。

6.根据权利要求1至5中任一项所述的一种深度学习型快照式光谱成像装置，其特征在于，所述探测器(14)为面阵探测器。

7.一种权利要求1所述的深度学习型快照式光谱成像装置的探测方法，其特征在于，包括以下步骤：

平行光入射到偏振干涉滤光阵列(12)，经过延迟器阵列(122)中各子延迟器的调制后，再通过透镜阵列(13)中各个子透镜分别进行会聚，聚焦于探测器(14)的感光面上成像，数据采集处理显示系统(15)控制探测器(14)快照一帧携带偏振干涉编码的子图像阵列。

8.根据权利要求7所述的探测方法，其特征在于，所述数据采集处理显示系统(15)同时训练优化物理层神经网络(151)和重建神经网络(152)；

训练时，分别以最少化延迟器阵列(122)中子延迟器的个数为目标和以重构出高质量的光谱图像立方体为目标；

训练出符合预设要求的光谱图像立方体时，确定延迟器阵列(122)中子延迟器的最优个数和厚度，同时获得重建神经网络(152)的优化网络权值和偏置参数。

9.根据权利要求8所述的探测方法，其特征在于，所述数据采集处理显示系统(15)利用重建神经网络(152)及其优化网络权值和偏置参数，从携带偏振干涉编码的优化子图像阵列中推理获得光谱图像立方体。