[发明专利]一种深度学习解色散模糊的高光谱成像方法有效

专利信息
申请号: 202110243400.5 申请日: 2021-03-05
公开(公告)号: CN113008371B 公开(公告)日: 2022-02-08
发明(设计)人: 曹汛;张理清;华夏;黄烨;王漱明;徐挺 申请(专利权)人: 南京大学
主分类号: G01J3/28 分类号: G01J3/28;G06K9/62;G06N3/04;G06N3/08
代理公司: 江苏法德东恒律师事务所 32305 代理人: 李媛媛
地址: 210046 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 深度 学习 色散 模糊 光谱 成像 方法
【说明书】:

发明公开了一种深度学习解色散模糊的高光谱成像方法。该方法的步骤是:S1,采集高精度光谱数据和色散RGB数据;S2,制备卷积神经网络训练数据集;S3,构建解色散模糊的卷积神经网络,该网络采用三维卷积核,且多个尺度的卷积核并列;卷积神经网络的输入是色散RGB数据,输出是重建高光谱数据;S4,利用S3构建的卷积神经网络,通过反向传播算法训练网络从色散RGB数据重建出高精度光谱数据的能力;S5,经多次迭代,选择训练得到的最优模型对测试集中的色散RGB数据直接解色散模糊得到高光谱数据。本发明利用深度学习卷积神经网络解色散模糊,实现高光谱重建工作,在保证重建精度的前提下大大提高了光谱重建速度。

技术领域

本发明属于光谱成像领域,特别涉及一种深度学习解色散模糊的高光谱成像方法。

背景技术

光谱成像系统相较于传统RGB三色成像系统,可获得更丰富的色彩维度信息,在军事、医疗、生物、农业各领域都有重要应用。传统的光谱成像方法存在诸多限制:扫描式成像使用不同滤波器扫描整个光波段得到光谱图像,这和使用的滤波器数量有关,且成像慢;计算层析成像的空间分辨率较低;压缩成像利用编码孔径编码光谱信号,将其色散压缩后重建光谱,但是系统设计复杂、成本高。

近些年随着计算机科学的发展,软件算法可替代一些硬件功能,使得廉价、小型的光谱成像系统被更多地设计和应用。其中无编码孔径的快照型光谱成像系统只需要一个色散元器件和一个图像传感器即可实现高光谱成像。成像系统中光谱信息经过色散元器件后发生色散,再由图像传感器获得色散模糊RGB数据,最后利用优化算法从色散模糊的RGB数据中重建光谱信息。但是解色散是一个欠定问题,相关的优化算法重建光谱需一定迭代时间,难以实现实时重建。另外,解欠定问题需自主设计特征先验,选择的先验信息的好坏会直接影响重建的精度。

发明内容

针对上述现有方法中存在的缺陷,本发明的目的在于提供一种深度学习解色散模糊的高光谱成像方法,该方法可以直接从色散模糊的RGB数据中自主学习获取更多光谱信息,重建出高光谱数据。

本发明采用的技术方案为:

一种深度学习解色散模糊的高光谱成像方法,包括如下步骤:

S1,采集高精度光谱数据和色散RGB数据;

S2,制备卷积神经网络训练数据集;

S3,构建解色散模糊的卷积神经网络,卷积神经网络采用三维卷积核,且多个尺度的卷积核并列;所述卷积神经网络的输入是色散RGB数据,其输出是重建高光谱数据;

S4,利用步骤S2的训练数据集和步骤S3构建的卷积神经网络,通过反向传播算法训练所述卷积神经网络从色散RGB数据重建出高精度光谱数据的能力;

S5,经多次迭代,选择训练得到的最优模型对测试集中的色散RGB数据直接解色散模糊得到高光谱数据。

进一步地,所述步骤S1中,仅使用一个色散元器件和一个图像传感器采集色散RGB数据;高光谱信号通过所述色散元器件后在其对应色散方向形成色散,即每个通道的二维数据在二维空间上发生位移,再由所述图像传感器采集色散模糊的RGB数据。

进一步地,所述步骤S2中,卷积神经网络训练数据集为成对的高精度光谱数据和对应的色散模糊的RGB数据,其中高精度光谱数据的大小为h×w×c,h、w分别表示图像的横向尺寸和纵向尺寸,c为光谱通道数,色散RGB数据的大小为h×w×3。

进一步地,所述步骤S3中,卷积神经网络以采集的真实高光谱数据作为网络监督学习所需的参考数据即训练标签。

进一步地,所述步骤S3中,卷积神经网络的输入和输出层均使用卷积核尺寸为3×3×3 的卷积层;网络的每一个中间层均包含并行的四个不同尺寸的三维卷积核。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京大学,未经南京大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110243400.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top