[发明专利]基于高光谱低秩性与双目立体匹配的光谱成像方法及系统

说明书

本申请涉及光谱成像技术领域，公开了一种基于高光谱低秩性与双目立体匹配的光谱成像方法及系统，包括：将高光谱图像低秩表示为：X＝OF，基于SVD算法对正交谱基O和系数F进行更新，利用初始高光谱图像合成CASSI分支视角下的彩色图像，通过GwcNet神经网络获取CASSI分支视角下的彩色图像和RGB相机视角下的彩色图像之间的视差，并根据视差将RGB相机的彩色图像对齐到CASSI分支，以形成新的彩色图像，将新的彩色图像和原始的编码后的图像再次用低秩序算法快速重建出高光谱图像，该方法充分挖掘了光谱图像的低秩特性，极大的提高了成像速度，并且，使用彩色图像指导重建光谱图像，并且通过两次色散，消除了第一个棱镜色散可能带来的像差，一定程度上能提高光谱重建精度。

技术领域

本申请涉及光谱成像技术领域，尤其是一种基于高光谱低秩性与双目立体匹配的光谱成像方法及系统。

背景技术

高光谱图像由两个空间维度和一个光谱维度组成，与目前普遍使用的RGB彩色图像相比，高光谱图像可以获得更多的光谱通道，从而获得目标更多的细节和特征，因此广泛应用于医学成像、遥感等领域。

普通相机只能获取光信息的两维空间和一维时间，完全忽略了深度和光谱这两个不同维度。现有的具有深度获取功能的双相机系统，能够实现对简单场景的高空间分辨率与高光谱分辨率获取，这类系统大多以牺牲时间分辨率为代价换取场景的深度信息。为了克服这个缺点，基于双目立体匹配的深度感知光谱成像系统被提出。它通过同时获取深度信息和光谱信息，然后通过视差估计，在获取深度信息的同时，也能获取光谱信息，两者相结合得到更加丰富的空间信息，从而提高光谱重建的精度。

如何提高光谱图像重建速度是基于双目立体匹配光谱成像的关键点之一，为此研究者设计了不同的重构算法来加快重建速度，其中基于字典学习的算法是一种常用重建方法，但是这种方法需要较长的时间对字典进行学习，对于动态场景的应用还有待优化。

发明内容

本申请的目的在于克服现有技术不足之处，提供一种基于高光谱低秩性与双目立体匹配的光谱成像方法及系统。

第一方面，提供了一种基于高光谱低秩性与双目立体匹配的光谱成像方法，包括：

S100、获取目标场景的CASSI分支采集的编码后的图像以及RGB相机采集的彩色图像，并将高光谱图像低秩表示为：X＝OF，其中，O是正交谱基，F代表系数；

S200、基于SVD算法对正交谱基O和系数F进行更新，并对高光谱图像进行初始化，以获得初始高光谱图像；

S400、利用初始高光谱图像合成CASSI分支视角下的彩色图像；

S500、通过GwcNet神经网络获取CASSI分支视角下的彩色图像和RGB相机视角下的彩色图像之间的视差，并根据视差将RGB相机的彩色图像对齐到CASSI分支，以形成新的彩色图像；

S600、将新的彩色图像和原始的编码后的图像再次用低秩序算法快速重建出高光谱图像；

S700、判断重建出的高光谱图像的峰值信噪比是否达到阈值，响应于判断结果为否则返回执行步骤S400，响应于判断结果为是则输出重建出的高光谱图像。

进一步的，获取目标场景的彩色图像和编码后的图像包括：

构建基于双目匹配编码孔径快照系统的传感模型：

Y_rgb(i,j,:)＝A^TX(i,j,:)

其中，Y是CASSI分支采集的编码后的图像，C表示编码模板矩阵，e为哈达玛积；Y_rgb是RGB相机采集的彩色图像，Α是RGB探测器的光谱响应函数；

将所述高光谱图像低秩的表达式：X＝OF代入所述传感模型，即可获得新的传感模型为：