[发明专利]一种用于宽带光谱成像系统的最优化训练样本选择方法

摘要

本发明公开了一种用于宽带光谱成像系统的最优化训练样本选择方法，包括搭建实际宽带光谱成像系统，标定光谱成像系统的各项参数；准备光谱成像常用样本集并测量其光谱反射率信息；利用实际光谱成像系统拍摄样本集，依据系统标定信息对样本集数字响应值校正；利用伪逆光谱重建方法重建样本集，以光谱均方根误差最小化为原则，从样本集中逐个挑选训练样本组成训练样本集；每挑选一个训练样本加入到训练样本集时，将样本集中所有样本遍历一次，直至训练样本集对总样本集的光谱重建误差开始收敛于某最小值Jmin时，锁定最优训练样本集，实现宽带光谱成像最优训练样本选择。该方法具有显著降低光谱成像复杂性、提高光谱重建精度等技术优势。

主权项

一种用于宽带光谱成像系统的最优化训练样本选择方法，其特征在于，包括以下步骤：步骤1：搭建实际宽带光谱成像系统；步骤2：对光谱成像系统的暗电流水平、光源稳定性、光照不均匀性、各通道线性化响应程度进行标定；步骤3：准备光谱成像常用的样本集Θ，包括标准色靶或自制色靶，利用专业测量设备测量获取样本集Θ的光谱反射率信息r；步骤4：用标定后的真实光谱成像系统对样本集Θ进行拍摄，并根据步骤2对光谱成像系统的标定结果对拍摄的样本集进行校正，获得颜色样本集校正后的数字响应信号值d；步骤5：利用伪逆方法作为训练样本选择时的光谱重建方法，从选择第一个训练样本开始，针对样本集Θ中的每一个样本r_i，利用伪逆方法计算得到样本对应的转换矩阵T；然后对样本集Θ进行光谱重建；以光谱重建误差(root mean square，RMS)作为评价指标，挑选出光谱重建误差最小的一个样本作为第一个训练样本s₁；此时，训练样本集中的第一个样本Ω₁被选定；以此类推，在挑选剩余的第2个到第k个训练样本；所述的转换矩阵TWEI:T＝r_i·PINV(d_i)   (式一)；式一中，d_i表示与r_i对应的第i个样本的系统响应信号值；所述的对样本集Θ进行光谱重建的公式为：$\hat{r}=T\·d$   (式二)；$J=\mathrm{RMS}=E\left\{\right||\hat{r}-r|\left|\right\}$   (式三)；$s_1=\underset{r_i\∈\mathrm{\Θ}}{\arg \min }J$   (式四)；Ω₁＝{r₁}   (式五)；所述的挑选剩余的第2个到第k个训练样本的计算公式为：$\left\{\begin{array}{c}T=\{{\mathrm{\Ω}}_{k-1}\∪r_i\}\·\mathrm{PINV}\left(d_{\{{\mathrm{\Ω}}_{k-1}\∪r_i\}}\right)\\ \hat{r}=T\·d\\ J=E\left\{\right||\hat{r}-r|\left|\right\}\\ s_k=\underset{r_i\∈\mathrm{\Θ}}{\arg \min }J\\ {\mathrm{\Ω}}_k={\mathrm{\Ω}}_{k-1}\∪\left\{s_k\right\}\end{array}\right.$   (式六)；步骤6：针对步骤5中的训练样本选择方法，直到满足式七所表示的条件时，完成训练样本选择，此时确定的训练样本集Ω_k对样本集Θ光谱重建误差开始达到最小，开始收敛；当继续增加满足式六的训练样本s_k+1,s_k+2,…,s_m时，训练样本集Ω_k+1,Ω_k+2,…,Ω_m对样本集Θ的光谱重建误差仅有极其微弱减小趋势，基本收敛于最小值J_min；其中：$\underset{s_k}{\arg \min }{J}_k=\underset{s_{k+1}}{\arg \min }{J}_{j+1}=\underset{s_{k+2}}{\arg \min }{J}_{k+2}=...=J_{\min }$   (式七)；每挑选一个新的样本加入到训练样本集Ω时，都要将样本集Θ中所有的样本遍历一次，其中包括已经存在于训练样本集Ω中的样本；步骤7：锁定满足步骤6中式七所示的规则和条件的最优训练样本集Ω_k，完成宽带光谱成像系统最优训练样本选择。