System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于高光谱图像重建,特别是涉及一种基于diffusion扩散模型的高光谱图像重建方法。
技术介绍
1、高光谱图像比传统的rgb三色图像拥有更多的信息,使得其在很多领域中富有应用价值,比如食品安全、材料辨别和疾病诊断。为了在单次拍摄中获取高光谱图像,快照式高光谱成像技术涌现出来。
2、最近,一种新的带陷掩模双棱镜系统(chen,linsen,et al."a notch-mask anddual-prism system for snapshot spectral imaging."optics and lasers inengineering,2023,165:107544)被提出来,该系统利用带陷滤波器和双棱镜的组合,仅遮挡稀疏的采样光谱,保留了充足的入射光,大大提高了快照式成像技术的光通量。然而其通光能力仍然被拜尔滤波片所限制,为了进一步提高光通量,舍弃滤光片十分必要。然而针对该系统,现有技术的光谱重建方法利用rgb三通道对于光谱信息的编码关系进行解耦,无法处理单通道的灰度数据,因此针对灰度的带陷掩模双棱镜系统,亟需设计一种新的高光谱图像重建方法。
技术实现思路
1、针对以上技术问题,本专利技术提供了一种基于梯度引导式diffusion扩散模型的高光谱图像重建方法。
2、本专利技术解决其技术问题采用的技术方案是:
3、一种基于diffusion扩散模型的高光谱图像重建方法,该方法包括以下步骤:
4、s1,将实际场景的高光
5、s2,利用所述无遮挡图像x与灰度测量值y做差分计算,得到被遮挡的稀疏光谱sp;
6、s3,结合所述无遮挡图像x和被遮挡的稀疏光谱sp,利用双边滤波融合出高分辨率高光谱图像。
7、进一步地,步骤s1中,扩散模型的反向去噪过程包括:
8、s11,对第t步的带噪图像xt,根据神经网络预测的噪声计算得到无噪版本的图像x0|t;
9、s12,根据带陷掩模mask的设置,保留原有的部分正确区域,得到修正后的无噪版本图像
10、s13,利用贝叶斯公式根据和当前状态xt预测过去状态
11、s14,根据和灰度测量值y的梯度关系构造损失函数
12、s15,根据损失函数对过去状态修正得到最终的过去状态图像xt-1。
13、进一步地,步骤s2中,利用所述无遮挡图像x与灰度测量值y做差分计算,得到被遮挡的稀疏光谱sp,具体公式如下:
14、
15、其中,xi,j、yi,j分别表示无遮挡图像x和灰度测量值y上的坐标(i,j)的响应强度,hk表示探测器对于第k个波长光谱的响应,代表坐标(i,j)的第k个波长的遮挡光谱,ω为最大光谱通道数。
16、本专利技术从带陷掩模双棱镜系统出发,构造了基于图像修补的重建方法,通过梯度信息将高光谱图像重建和diffusion扩散模型联系,为灰度的带陷掩模双棱镜系统提供了一种可靠的光谱重建方法。该方法在高光谱数据集上有很好的重建效果,并且由于梯度特征的引导,在细节处结果同样令人满意。
本文档来自技高网...【技术保护点】
1.一种基于Diffusion扩散模型的高光谱图像重建方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述一种基于Diffusion扩散模型的高光谱图像重建方法,其特征在于,步骤S1中,扩散模型的反向去噪过程包括:
3.根据权利要求1所述一种基于Diffusion扩散模型的高光谱图像重建方法,其特征在于,步骤S2中,利用所述无遮挡图像X与灰度测量值Y做差分计算,得到被遮挡的稀疏光谱Sp,具体公式如下:
【技术特征摘要】
1.一种基于diffusion扩散模型的高光谱图像重建方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述一种基于diffusion扩散模型的高光谱图像重建方法,其特征在于,步骤s1中,扩散模型的反...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。