一种多视图光谱图像的重建方法、存储介质技术

一种多视图光谱图像的重建方法，包括获取光场的稀疏基和稀疏向量

【技术实现步骤摘要】
一种多视图光谱图像的重建方法、存储介质
本专利技术涉及一种光场的重建方法，尤其涉及一种基于压缩感知计算成像的多视图光谱图像的重建方法和存储介质。
技术介绍
光谱成像技术是以物方的光谱信息为基础，分析各个波长下的光谱特性，实现对物方成分的分析技术。相比与普通成像技术来说，光谱成像不仅可以获取物方二维平面信息，还可以获取物方的光谱信息。可用于地质勘查、伪装识别、环境监测等领域。目前光谱成像技术根据光谱分辨率可以分为三类，即多光谱成像、超光谱成像和超高光谱成像技术。其对应的光谱分辨率为几十个、几百个、上千个谱段。按照分光方式来说，主要包括色散型和干涉型两类。色散性是在成像系统中加入分光元件，可以直接采集到光谱信息。干涉型需要对采集到的信号进行傅里叶变换才可以获取光谱信息。计算成像技术作为一种成像的新方法近些年也得到很大的进展，与普通成像相比，计算成像增加了计算处理的环节，可以通过对采集的图像进行处理，获取物方更多的信息。并把它运用在机器视觉、医学成像等领域。美国杜克大学将计算成像应用到光谱成像领域，提出了一种编码孔径快照光谱成像系统(CASSI)，实现只需要一次采集，根据各个波段下光谱数据的稀疏行，通过压缩感知优化重构算法获取光谱数据立方体。Delaware大学对CASSI系统进行了改进，在成像系统中，利用DMD代替CASSI系统中的静态编码图案。通过采集一系列不同编码图案对应的压缩图像，提高了重构光谱图像的信噪比。目前计算成像应用到光谱成像领域主要的工作是实现了光谱信息的压缩采集和重建，减少了光谱图像采集的复杂性。通过光谱图像获取物方深度信息的研究大部分还是在于通过分析采集的光谱曲线，反映物方的特征用来实现对雪、水的深度估计。不能实现对常规物方场景的深度计算。
技术实现思路
本专利技术提供一种多视图光谱图像的重建方法和存储介质，以解决现有技术存在的问题。本专利技术采用以下技术方案：一种多视图光谱图像的重建方法，包括以下步骤：ST1：获取光场的稀疏基Ψ和稀疏向量α；ST2：采集一组n乘n视角的多视图光谱图像，其中每个视角均包含场景中m1～m2波长范围内的光谱信息，且光谱分辨率为m；其中，n、m1、m2、m均为大于0的正整数；ST3：为ST2中每个视角均随机生成测试矩阵Φ；ST4：重建多视图光谱图像：包括：在光谱分辨率为m的条件下，在每个波段，将ST2中的每个视角的光谱图像与该视角对应的测试矩阵Φ点乘以后相加，得到测量值y后，通过压缩感知重建方法重建各波长处的单波段多视图光谱图像；或者将每个视角的光谱图像合成为一幅真彩色图像，再通过压缩感知重建方法重建真彩色多视图图像。所述ST4中，获取真彩色多视图图像的方法为：(1)计算m1～m2波长范围内，各视角光谱图像在CIE-XYE色彩空间的刺激值；(2)将CIE-XYE色彩空间的刺激值转换到RGB空间，得到各视角光谱图像在RGB空间的刺激值；获取各视角的真彩色图像；(3)将各视角真彩色图像与该视角对应的测试矩阵Φ点乘以后相加，得到测量值y后，通过压缩感知重建方法重建真彩色多视图图像。所述ST4中，获取真彩色多视图图像的方法还包括：在(2)中获取各视角的真彩色图像后，对该真彩色图像分别进行伽马校正和对比度拉伸后，得到增强后的各视角真彩色图像，再通过该增强后的各视角真彩色图像进行真彩色多视图图像的重建。所述ST1中：(1)通过采集多组自然光下的多视图图像作为光场的样本集，通过K-SVD算法训练学习得到光场过完备字典，然后得到稀疏基Ψ；(2)通过测量值y和传感矩阵Θ采用l1范数优化得到稀疏向量α；所述传感矩阵Θ表示测量矩阵Φ与稀疏基Ψ的乘积。K-SVD算法训练光场过完备字典满足下式：其中，Ek是字典稀疏基Ψ除去第k列之外与光场样本集合的残差；ψk代表稀疏基Ψ的第K列，表示ψk所对应的稀疏系数；||||F代表弗罗贝尼乌斯范数，即F范数；为使对Ek进行SVD分解得到的是一个稀疏向量，上式可写为：其中，wk是光场样本集{fi}中使用了字典原子ψk的光场图像块，Ωk是一个大小为N×|wk|的矩阵，在(wk(i)，i)处为1，其它处为0，N为光场样本集的个数。各视角光谱图像在CIE-XYE色彩空间的刺激值的计算方法为：其中S(λ)为光源光谱，即光源在各个波段分布情况；ρ(λ)是场景的反射率，即各个波段下光谱图像的灰度；x(λ)、y(λ)、z(λ)是不同波长在X、Y、Z色彩空间的刺激值；将CIE-XYE色彩空间的刺激值转换到RGB空间的转换矩阵为：其中(R’，G’，B’)为CIE-XYE色彩空间的刺激值转换到RGB空间的RGB值。存储介质，存储有多条指令，当所述多条指令被处理器读取时，能够实现如权利要求1～6任一项所述的方法。本专利技术的有益效果：本专利技术可以同时获取场景的深度信息和光谱信息，打破了传统光谱成像只能获取光谱信息的局限性，促进了光谱成像的各个领域的应用，例如；在遥感中，可以同时监测地球环境变化的深度信息和光谱信息；在机器视觉中，深度和光谱信息的结合有利于跟踪和识别不同深度的目标，完成跟踪和识别等关键任务，提高跟踪和识别效率；在医学中，深度和光谱信息对不同深度的目标材料或标本的描述，能够为准确诊断提供了有效的参考附图说明图1为本专利技术的流程图。具体实施方式下面结合附图和具体实施方式对本专利技术作进一步详细说明。本专利技术利用基于光场理论的压缩感知计算成像来实现多视图光谱图像重建，利用光场理论对光场数据分析，得到多视图图像，是完成深度估计和实现三维重建的技术手段之一。该方法为增加传统光谱图像的深度维信息提供了有效的解决途径，将促进光谱成像技术更广阔的应用。具体来说，本专利技术提供一种多视图光谱图像的重建方法，包括以下步骤：ST1：通过字典训练获取光场的稀疏基Ψ和稀疏向量α；ST2：采集一组n乘n视角的多视图光谱图像，其中每个视角均包含场景中m1～m2波长范围内的光谱信息，且光谱分辨率为m；其中，n、m1、m2、m均为大于0的正整数；ST3：为ST2中每个视角均随机生成测试矩阵Φ；ST4：重建多视图光谱图像，包括两种重建方法：(1)在光谱分辨率为m的条件下，在每个波段，将ST2中的每个视角的光谱图像与该视角对应的测试矩阵Φ点乘以后相加，得到测量值y后，通过压缩感知重建方法重建各波长处的单波段多视图光谱图像；或者(2)将每个视角的光谱图像合成为一幅真彩色图像，再通过压缩感知重建方法重建真彩色多视图图像。上述(2)中，获取真彩色多视图图像的方法为：1、计算m1～m2波长范围内，各视角光谱图像在CIE-XYE色彩空间的刺激值；2、将CIE-XYE色彩空间的刺激值转换到RGB空间，得到各视角光谱图像在RGB空间的刺激值；获取各视角的真彩色图像；上述获取RGB刺激值后，把RGB刺激值赋值到图像矩阵中既能显示图像，因为通常显示的图像是由RGB三种颜色来组成的。3、将各视角真彩色图像与该视角对应的测试矩阵Φ点乘以后相加，得到测量值y后，通过压缩感知重建方法重建真彩色多视图图像。而由于不同的系统对光谱采集的图像不同，合成的真彩色图像也不同，可对生成的真彩色图像进行伽马校正和对比度拉伸，增加图像的对比度，增强图像的细节信息，再获取真彩色多视图图像。即在上述中，获取各视角的真彩色图像后，对该真彩色图像分别进行伽马校正本文档来自技高网...

【技术保护点】
1.一种多视图光谱图像的重建方法，其特征在于，包括以下步骤：ST1：获取光场的稀疏基Ψ和稀疏向量α；ST2：采集一组n乘n视角的多视图光谱图像，其中每个视角均包含场景中m1～m2波长范围内的光谱信息，且光谱分辨率为m；其中，n、m1、m2、m均为大于0的正整数；ST3：为ST2中每个视角均随机生成测试矩阵Φ；ST4：重建多视图光谱图像：包括：在光谱分辨率为m的条件下，在每个波段，将ST2中的每个视角的光谱图像与该视角对应的测试矩阵Φ点乘以后相加，得到测量值y后，通过压缩感知重建方法重建各波长处的单波段多视图光谱图像；或者将每个视角的光谱图像合成为一幅真彩色图像，再通过压缩感知重建方法重建真彩色多视图图像。

【技术特征摘要】
1.一种多视图光谱图像的重建方法，其特征在于，包括以下步骤：ST1：获取光场的稀疏基Ψ和稀疏向量α；ST2：采集一组n乘n视角的多视图光谱图像，其中每个视角均包含场景中m1～m2波长范围内的光谱信息，且光谱分辨率为m；其中，n、m1、m2、m均为大于0的正整数；ST3：为ST2中每个视角均随机生成测试矩阵Φ；ST4：重建多视图光谱图像：包括：在光谱分辨率为m的条件下，在每个波段，将ST2中的每个视角的光谱图像与该视角对应的测试矩阵Φ点乘以后相加，得到测量值y后，通过压缩感知重建方法重建各波长处的单波段多视图光谱图像；或者将每个视角的光谱图像合成为一幅真彩色图像，再通过压缩感知重建方法重建真彩色多视图图像。2.根据权利要求1所述的一种多视图光谱图像的重建方法，其特征在于：所述ST4中，获取真彩色多视图图像的方法为：(1)计算m1～m2波长范围内，各视角光谱图像在CIE-XYE色彩空间的刺激值；(2)将CIE-XYE色彩空间的刺激值转换到RGB空间，得到各视角光谱图像在RGB空间的刺激值；获取各视角的真彩色图像；(3)将各视角真彩色图像与该视角对应的测试矩阵Φ点乘以后相加，得到测量值y后，通过压缩感知重建方法重建真彩色多视图图像。3.根据权利要求2所述的一种多视图光谱图像的重建方法，其特征在于：所述ST4中，获取真彩色多视图图像的方法还包括：在(2)中获取各视角的真彩色图像后，对该真彩色图像分别进行伽马校正和对比度拉伸后，得到增强后的各视角真彩色图像，再通过该增强后的各视角真彩色图像进行真彩色多视图图像的重建。4.根据...

【专利技术属性】
技术研发人员：刘晓旻，牛原野，王前程，马治邦，段绍丽，梁二军，
申请(专利权)人：郑州大学，
类型：发明
国别省市：河南,41