[发明专利]基于优化启发的神经网络的光谱成像系统的成像方法有效
| 申请号： | 201910162261.6 | 申请日： | 2019-03-05 |
| 公开（公告）号： | CN109886898B | 公开（公告）日： | 2020-10-02 |
| 发明（设计）人： | 王立志;孙晨;付莹;黄华 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06N3/08 |
| 代理公司： | 北京正阳理工知识产权代理事务所(普通合伙) 11639 | 代理人： | 邬晓楠 |
| 地址： | 100081 *** | 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： | 本发明公开的基于优化启发的神经网络的光谱成像系统的成像方法，属于计算摄像学领域。本发明实现方法为：建立光谱成像系统的前向传播模型，用网络实现所述前向传播模型，构建编码孔径优化网络；构建基于优化启发的、并同时考虑高光谱图像空间相关性和光谱相关性的高光谱图像重构网络；制作训练集；配置高光谱图像重构网络训练所需参数；训练高光谱图像重构网络；建立编码孔径优化网络与高光谱图像重构网络之间的连接，构建联合网络；配置联合网络训练所需参数；训练联合网络；取出训练后得到的编码模板，并基于CASSI系统成像过程完成由高光谱图像到二维压缩图像的调制；使用训练得到的高光谱图像重构网络逐块重构目标高光谱图像。 | ||
| 搜索关键词： | 基于 优化 启发 神经网络 光谱 成像 系统 方法 | ||
【主权项】：
1.基于优化启发的神经网络的光谱成像系统的成像方法，其特征在于：包括如下步骤，步骤101：建立光谱成像系统的前向传播模型，用网络实现所述前向传播模型，构建编码孔径优化网络；步骤102：构建基于优化启发的、并同时考虑高光谱图像空间相关性和光谱相关性的重构网络，通过所述重构网络学习由二维压缩图像块到高光谱图像平行六面体块的映射；步骤103：制作训练集；步骤104：配置高光谱图像重构网络训练所需参数；设置学习率、批处理大小、权值初始化方式、权值衰减系数、优化方法、迭代次数；步骤105：训练高光谱图像重构网络；步骤106：建立编码孔径优化网络与高光谱图像重构网络之间的连接，构建联合网络；步骤107：配置联合网络训练所需参数；设置学习率、批处理大小、权值初始化方式、权值衰减系数、优化方法、迭代次数；步骤108：训练联合网络；步骤109：取出步骤108训练后得到的编码模板，并基于CASSI系统成像过程完成由高光谱图像f到二维压缩图像g的调制；步骤110：使用步骤108训练得到的高光谱图像重构网络逐块重构目标高光谱图像。
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北京理工大学，未经北京理工大学许可，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/patent/201910162261.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种高光谱图像解混设备
- 下一篇：一种受动态干扰的海天线图像检测方法
