[发明专利]一种单像素光谱成像测量基自适应优化排序方法及系统在审
申请号: | 202210396581.X | 申请日: | 2022-04-15 |
公开(公告)号: | CN114820283A | 公开(公告)日: | 2022-07-29 |
发明(设计)人: | 杨照华;赵梓栋;余远金;陈香;雷昊东;赵志浩;宋明悦;李平 | 申请(专利权)人: | 北京航空航天大学;北京理工大学 |
主分类号: | G06T1/60 | 分类号: | G06T1/60;G06T3/40;G01J3/28 |
代理公司: | 北京高沃律师事务所 11569 | 代理人: | 刘芳 |
地址: | 100082*** | 国省代码: | 北京;11 |
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 像素 光谱 成像 测量 自适应 优化 排序 方法 系统 | ||
1.一种单像素光谱成像测量基自适应优化排序方法,其特征在于,包括:
获取图像数据集和第一参数;所述第一参数包括分辨率和采样率;
根据所述分辨率构建Hadamard矩阵;
对所述图像数据集进行预处理,得到数据矩阵;
将所述数据矩阵和所述Hadamard矩阵相乘得到测量矩阵;
将所述测量矩阵依次进行位置索引计算和拼接,得到索引矩阵;
根据所述索引矩阵和所述第一参数确定索引向量;
根据所述采样率、所述索引向量和所述Hadamard矩阵确定自适应编码矩阵;所述自适应编码矩阵用于进行单像素光谱成像。
2.根据权利要求1所述的单像素光谱成像测量基自适应优化排序方法,其特征在于,所述对所述图像数据集进行预处理,得到数据矩阵,具体包括:
根据所述图像数据集构建图像数据集数据集合;
对所述图像数据集数据集合进行文件校验,得到校验后的数据集合;
对所述校验后的数据集合依次进行双线性插值、归一化和灰度处理,得到数据矩阵。
3.根据权利要求1所述的单像素光谱成像测量基自适应优化排序方法,其特征在于,所述将所述测量矩阵依次进行位置索引计算和拼接,得到索引矩阵,具体包括:
计算所述测量矩阵每一列元素中设定元素出现的位置索引;
将所述位置索引进行拼接得到索引矩阵。
4.根据权利要求1所述的单像素光谱成像测量基自适应优化排序方法,其特征在于,所述根据所述索引矩阵和所述第一参数确定索引向量,具体包括:
初始化第二参数;
计算所述索引矩阵中出现所述第二参数的个数并将所述个数存储到向量中;
将所述第二参数加一更新第二参数;
判断所述第二参数是否大于所述第一参数;若否,则返回步骤“计算所述索引矩阵中出现所述第二参数的个数并将所述个数存储到向量中”;若是,则则根据所述向量中的所有元素确定索引向量。
5.根据权利要求4所述的单像素光谱成像测量基自适应优化排序方法,其特征在于,所述根据所述向量中的所有元素确定索引向量,具体包括:
将所述向量中的所有元素降序排列,得到新序列;
根据所述新序列中各元素的索引位置,得到索引向量。
6.根据权利要求1所述的单像素光谱成像测量基自适应优化排序方法,其特征在于,所述根据所述采样率、所述索引向量和所述Hadamard矩阵确定自适应编码矩阵,具体包括:
按照所述索引向量对所述Hadamard矩阵中的行向量或者列向量进行抽取,得到抽取向量;
根据所述抽取向量和所述采样率确定自适应编码矩阵。
7.一种单像素光谱成像测量基自适应优化排序系统,其特征在于,包括:
获取模块,用于图像数据集和第一参数;所述第一参数包括分辨率和采样率;
构建模块,用于根据所述分辨率构建Hadamard矩阵;
预处理模块,用于对所述图像数据集进行预处理,得到数据矩阵;
相乘模块,用于将所述数据矩阵和所述Hadamard矩阵相乘得到测量矩阵;
位置索引计算和拼接模块,用于将所述测量矩阵依次进行位置索引计算和拼接,得到索引矩阵;
索引向量确定模块,用于根据所述索引矩阵和所述第一参数确定索引向量;
自适应编码矩阵确定模块,用于根据所述采样率、所述索引向量和所述Hadamard矩阵确定自适应编码矩阵;所述自适应编码矩阵用于进行单像素光谱成像。
8.根据权利要求7所述的单像素光谱成像测量基自适应优化排序系统,其特征在于,所述预处理模块,具体包括:
构建单元,用于根据所述图像数据集构建图像数据集数据集合;
文件校验单元,用于对所述图像数据集数据集合进行文件校验,得到校验后的数据集合;
双线性插值、归一化和灰度处理单元,用于对所述校验后的数据集合依次进行双线性插值、归一化和灰度处理,得到数据矩阵。
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北京航空航天大学;北京理工大学,未经北京航空航天大学;北京理工大学许可,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/202210396581.X/1.html,转载请声明来源钻瓜专利网。