[发明专利]基于融合性卷积神经网络的RGB图像光谱反射率重建方法

权利要求书

1.一种基于融合性卷积神经网络的RGB图像光谱反射率重建方法，其特征在于：包括以下步骤：

S1：建立图像数据库，并对所述图形数据库中的所有图像进行批量预处理，所述图像数据库包括高光谱图像和RGB图像；

S2：根据从步骤S1所建立的图像数据库中获得训练数据集，训练光谱CNN卷积神经网络，建立图像与反射率之间的非线性映射模型，用于提取光谱CNN特征；

S3：利用图像与反射率之间的非线性映射模型输出的光谱CNN特征和RGB图像数据训练空间CNN卷积神经网络，建立空间相似性卷积模型，用于提取空间CNN相似性特征；

S4：采用融合性卷积神经网络方法，将图像与反射率之间的非线性映射模型和空间相似性卷积模型进行融合，得到深度卷积模型，用于同时获取光谱CNN特征和空间CNN相似性特征；

S5：采集待重建RGB图像，并对所述待重建RGB图像进行预处理，使用所述深度卷积模型进行光谱反射率重建，输出最后的光谱反射率。

2.如权利要求1所述的一种基于融合性卷积神经网络的RGB图像光谱反射率重建方法，其特征在于：步骤S1中具体过程如下：

S1.1：收集图像，准备用于检索的图像数据库，并利用所述图像数据库中的图像组成实验数据集，所述实验数据集包括训练数据集和测试数据集；

S1.2：将所述图像数据库中的所有图像进行归一化和零均值化处理，以对整个图像数据消除该图像数据的均值。

3.如权利要求1所述的一种基于融合性卷积神经网络的RGB图像光谱反射率重建方法，其特征在于：步骤S2中，光谱CNN卷积神经网络将RGB图像数据和对应光谱反射率数据作为空间独立的数据集合，设置卷积模型参数将二维图像降维至一维RGB值阵列，仅仅学习图像数据RGB值和对应光谱反射率数据之间的非线性映射。

4.如权利要求1所述的一种基于融合性卷积神经网络的RGB图像光谱反射率重建方法，其特征在于：步骤S2中，所述光谱CNN卷积神经网络包括多个CNN模块，每个CNN模块由卷积层Conv和激活函数ReLU组成。

5.如权利要求1所述的一种基于融合性卷积神经网络的RGB图像光谱反射率重建方法，其特征在于：步骤S3中，为了有效利用空间相关性信息，采用稠密卷积神经网络模型对空间CNN卷积神经网络训练，得到空间相似性特征，以获得图像场景中大空间范围内的空间相关性信息；为更好的学习空间相关性，稠密卷积神经网络模块均接受前面所有层的输出，以建立不同层之间的连接关系，最后形成最终的空间相似性卷积模型。

6.如权利要求1所述的一种基于融合性卷积神经网络的RGB图像光谱反射率重建方法，其特征在于：步骤S5中，通过对所述待重建RGB图像进行预处理后，输入至所述深度卷积模型中，所述深度卷积模型包括光谱CNN单元和空间CNN单元，光谱CNN单元用于输出无空间结构性信息的光谱反射率数据，空间CNN单元用于输出的RGB图像中的空间相似性特征，将所述光谱反射率数据与空间相似性特征进行叠加，形成最终的光谱反射率数据结果。