一种基于深度学习光谱编解码的光谱成像系统技术方案

本发明专利技术公开了一种基于深度学习光谱编解码的光谱成像系统，涉及光谱成像技术领域，解决了现有系统结构复杂、体积庞大等问题。系统包括像元级随机滤光片阵列和光强探测器，随机滤光片和光强探测器的像元一一对应设置，光强探测器连接光谱重构网络；入射到像元级随机滤光片阵列上的光经过滤光后入射到光强探测器，光强探测器将探测结果输入到光谱重构网络，经过光谱重构网络的处理得到光谱重构图像。本发明专利技术具有结构简单、体积小、高空间

【技术实现步骤摘要】
一种基于深度学习光谱编解码的光谱成像系统


[0001]本专利技术涉及光谱成像
，具体涉及一种基于深度学习光谱编解码的光谱成像系统。

技术介绍

[0002]光谱成像系统是在扫描成像原理的基础上，将成像辐射的波段划分成更狭窄的多个波段同时成像，从而获得同一景物的多个光谱波段的图像。
[0003]传统光谱成像分辨率的改变通过可调谐滤波器和空间光调制器实现，这些插入器件导致光谱成像系统结构复杂、体积庞大。此外，棱镜、光栅、滤波器等窄带分光器件存在光谱能量利用率低、分光谱段少、光谱图像畸变大等问题。

技术实现思路

[0004]为了解决上述问题，本专利技术提供一种基于深度学习光谱编解码的光谱成像系统。
[0005]本专利技术为解决技术问题所采用的技术方案如下：
[0006]一种基于深度学习光谱编解码的光谱成像系统，包括像元级随机滤光片阵列和光强探测器，像元级随机滤光片阵列的随机滤光片和光强探测器的像元一一对应设置，光强探测器连接光谱重构网络；入射到像元级随机滤光片阵列上的光经过像元级随机滤光片阵列滤光后入射到光强探测器，光强探测器将探测结果输入到光谱重构网络，经过光谱重构网络得到光谱重构图像。
[0007]本专利技术的有益效果是：
[0008]本专利技术利用随机滤光片阵列完成光谱信息的压缩编码采集，通过光谱重构网络重构图像，无庞大沉重的分光结构，具有结构简单、体积小、高空间
‑
光谱分辨率、光谱能量利用率高、光谱图像畸变小、高信噪比、小数据量存储与传输、结构简单及体积小巧等优点，可实现高精度、低延时的空间
‑
光谱分辨率动态变换的高光谱成像，使得高光谱成像的分辨率具备随应用场景弹性转换能力，可应用于航空航天遥感探测侦察等领域。
附图说明
[0009]图1为本专利技术深度学习光谱编解码原理；
[0010]图2为本专利技术阵列编码单元与分辨率的变换关系图；
[0011]图3为本专利技术光谱重构网络的训练过程框图；
[0012]图4为本专利技术的光谱成像系统示意图。
具体实施方式
[0013]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行进一步的详细描述。
[0014]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是，本专利技术还可
以采用其他不同于在此描述的其他方式来实施，因此，本专利技术的保护范围并不受下面公开的具体实施例的限制。
[0015]一种基于深度学习光谱编解码的光谱成像系统，包括像元级随机滤光片阵列和光强探测器，像元级随机滤光片阵列的随机滤光片和光强探测器的像元一一对应设置，光强探测器连接光谱重构网络；入射到像元级随机滤光片阵列的光束能够经过像元级随机滤光片阵列滤光后入射到光强探测器得到探测结果，光强探测器能够将探测结果输入到光谱重构网络，所述探测结果经过光谱重构网络能够对光谱进行重构计算得到光谱重构图像。
[0016]上述光谱成像系统还包括变分辨率光学系统，变分辨率光学系统、像元级随机滤光片阵列和光强探测器顺次设置，目标物体的反射光能够经过变分辨率光学系统透射后入射到像元级随机滤光片阵列上。
[0017]上述变分辨率光学系统为变分辨率光学成像透镜组，变尺度光学系统通过改变光学系统分辨率，使得光学成像的最小弥散斑与对应的阵列大小相匹配，从而实现变尺度光谱成像。
[0018]像元级随机滤光片阵列和光强探测器构成面阵光谱成像探测器，即面阵光谱成像探测器包括像元级随机滤光片阵列和光强探测器，像元级随机滤光片阵列为二维阵列，其随机滤光片和光强探测器的像元一一对应设置，位于玻璃基板上的像元级随机滤光片阵列通过与光强探测器集成形成所述面阵光谱成像探测器。
[0019]光谱重构网络能够重构得到第一空间分辨率的光谱重构图像、第二空间分辨率的光谱重构图像、第三空间分辨率的光谱重构图像，第一空间分辨率小于第二空间分辨率小于第三空间分辨率，分别对应低分辨率、中分辨率和高分辨率。光谱重构网络包括第一空间分辨率重构网络、第二空间分辨率重构网络、第三空间分辨率重构网络，一一对应的能够重构低分辨率光谱图像、中分辨率光谱图像、高分辨率光谱图像。本文中未详述是光谱分辨率还是空间分辨率是时，均是指空间分辨率。
[0020]面阵光谱成像探测器为4
×
4光谱探测单元构成的阵列，4
×
4光谱探测单元中随机滤光片的阵列编码单元包括三种类型，所述阵列编码单元中的随机滤光片的种类不同，类型一为：4
×
4光谱探测单元包括4组2
×
2阵列编码单元，类型二为：4
×
4光谱探测单元的周期延拓(以3
×
3阵列排列的9个4
×
4光谱探测单元)包括16组3
×
3阵列编码单元，类型三为：4
×
4光谱探测单元包括1组4
×
4阵列编码单元。类型一对应低分辨率，类型二对应中分辨率，类型三对应高分辨率。
[0021]第一分辨率重构网络、第二分辨率重构网络和第三分辨率重构网络的训练过程均为：根据空间相邻像素的光谱相似性，按像素将原始光谱数据S
ORI
划分成A
×
A像素阵列，将每个A
×
A像素阵列中的每个像素点进行光谱叠加，得到组合A
×
A个像元的光谱数据，然后输入第M分辨率重构网络，输出第M分辨率重构网络与原始光谱数据S
ORI
的下采样的拟合结果，或者输出第M分辨率重构数据与原始光谱数据S
ORI
的拟合结果。所述A取2、3、4，M取一、二、三，A＝2时，M为一；A＝3时，M为二；A＝4时，M为三。
[0022]下面对本专利技术的一种基于深度学习光谱编解码的光谱成像系统进行详述。
[0023]首先介绍深度学习光谱编解码原理。
[0024]深度学习光谱编解码原理如图1所示，随机滤光片组对原始光谱S(λ)进行压缩编码，由光强探测器感应编码后的光强i，然后对光强探测器光电流进行模
‑
数转换(ADC)得到
阵列方式排列的4
×
4光谱探测单元形成一个12
×
12光谱探测单元，对于3
×
3阵列编码单元的情况，12
×
12光谱探测单元作为一个光谱探测阵列的单元。
[0033]光强探测器完成光强编码图像的采集后，依据每个4x4光谱探测单元的一个像元对应一种随机滤光片(共16种)，对光强探测器输出的图像像素进行分类，得到由16种随机滤光片调制后的图像I1‑
I
16
，将I1‑
I
16
输入对应的光谱重构网络完成整幅光谱图像的重构，即
[0034][0035]其中为重构光谱，离散化光强向量I＝[I1,I2,
…
,I
16
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习光谱编解码的光谱成像系统，其特征在于，包括像元级随机滤光片阵列和光强探测器，像元级随机滤光片阵列的随机滤光片和光强探测器的像元一一对应设置，光强探测器连接光谱重构网络；入射到像元级随机滤光片阵列上的光经过像元级随机滤光片阵列滤光后入射到光强探测器，光强探测器将探测结果输入到光谱重构网络，经过光谱重构网络得到光谱重构图像。2.如权利要求1所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，所述像元级随机滤光片阵列和光强探测器构成面阵光谱成像探测器。3.如权利要求1所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，光谱重构网络包括第一分辨率重构网络、第二分辨率重构网络、第三分辨率重构网络。4.如权利要求3所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，像元级随机滤光片阵列的具有16种随机滤光片。5.如权利要求3所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，所述面阵光谱成像探测器为4
×
4光谱探测单元构成的阵列，4
×
4光谱探测单元中随机滤光片的阵列编码单元包括三种类型，所述阵列编码单元中的随机滤光片的种类不同，类型一为：4
×
4光谱探测单元包括4组2
×
2阵列编码单元，类型二为：4
×
4光谱探测单元包括3
×
3阵列编码单元，类型三为：4
×
4光谱探测单元包括1组4
×
4阵列编码单元。6.如权利要求5所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，所述第一分辨率重构网络、第二分辨率重构网络、第三分辨率重构网络通过并行训练获得。7.如权利要求6所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，并行执行第一分辨率重构网络、第二分辨率重构网络和第三分辨率重构网络的训练，共用16种随机滤光片结构参数，以均方误差加权和为损失值，计算损失函数对光谱重构网络参数的梯度，反向传播调整光谱重构网络参数和16种随机滤光片结构参数。8.如权利要求7所述的一种基于深...

【专利技术属性】
技术研发人员：胡长虹，薛栋林，肖树林，薛旭成，哈清华，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：