[发明专利]面向光谱超分辨率重建的滤光片设计方法、滤光片及系统

说明书

本发明公开了一种面向光谱超分辨率重建的滤光片设计方法、滤光片及系统，本发明设计方法包括采用高光谱图像训练数据和滤光片响应参数优化模型来训练获得最优的滤光片响应参数的步骤，所述滤光片响应参数优化模型包括：滤光片响应曲线学习层，用于基于滤光片组响应参数模拟滤光片，并将高光谱图像训练数据中的高光谱图像样本生成对应的多通道图像；高光谱图像重构网络，用于从多通道图像重构获得重构后的高光谱图像。本发明基于滤光片响应曲线学习层、高光谱图像重构网络能够解决联合优化存在的超参数问题，实现滤光片组响应参数和高光谱图像重构网络同时达到最优，利用该方案成像硬件可给出更优的光谱恢复结果。

技术领域

本发明涉及面向光谱超分辨重建的滤光片设计技术，具体涉及面向光谱超分辨率重建的滤光片设计方法、滤光片及系统。

背景技术

高光谱图像较RGB图像具备更高的光谱分辨率，能够准确捕捉物质的光谱差异，已被广泛应用于遥感、航天、医疗、工业和汽车等领域。然而，为了保证相机具备较高的信噪比，同时光谱分辨率和空间分辨率是相互制约的，目前的高光谱成像设备往往成像时间慢、获取的图像空间分辨率低、体积巨大且携带不方便。这些缺点阻碍着高光谱技术的推广、发展和应用，迫使人们常常放弃性能而选择性价比更高的彩色相机或者多光谱相机。另一方面，通过特定响应的滤光片获取单通道图像、多滤光片组合的方式获取多光谱图像的技术已十分成熟。这些滤光片响应往往是窄带通高透滤光片，滤光片之间的关联关系弱，不适用于恢复多光谱图像的高光谱信息。因此，结合先进的深度学习技术，寻找更优的滤光片响应组合，实现可快速成像、具备高空间分辨率、小巧易携带的高光谱成像设备具备重大意义。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，解决上述最优滤光片组合和响应函数设计难题，提供一种面向光谱超分辨率重建的滤光片设计方法、滤光片及系统，本发明基于滤光片响应曲线学习层、高光谱图像重构网络能够解决联合优化存在的超参数问题，实现滤光片组响应参数和高光谱图像重构网络同时达到最优，利用该方案成像硬件可给出更优的光谱恢复结果。

为了解决上述技术问题，本发明采用的技术方案为：

一种面向光谱超分辨率重建的滤光片设计方法，包括采用高光谱图像训练数据和滤光片响应参数优化模型来训练获得最优的滤光片响应参数的步骤，所述滤光片响应参数优化模型包括：

滤光片响应曲线学习层，用于基于滤光片组响应参数模拟滤光片，并将高光谱图像训练数据中的高光谱图像样本生成对应的多通道图像；

高光谱图像重构网络，用于从多通道图像重构获得重构后的高光谱图像。

可选地，所述滤光片响应曲线学习层的函数表达式为：

M=Dot(H,R)

上式中，M表示滤光片响应曲线学习层输出的多通道图像，Dot表示在光谱维上的矩阵乘法，H表示输入的w×h×l的高光谱图像，R为滤光片的滤光片响应参数，其中得到的多通道图像M的尺寸为w×h×n，滤光片响应参数R大小为的l×n，w为高光谱图像的宽度，h为高光谱图像的高度，l为高光谱图像的光谱波段数，n为滤光片组的滤光片数量。