【技术实现步骤摘要】
本专利技术涉及一种基于深度估计和增强展开的压缩计算光谱成像重建方法，属于计算成像。
技术介绍
1、高光谱成像技术(hyperspectral imaging，简称hsi)可以在一个连续的光谱范围内捕获多幅窄带光谱图像，构建出待测目标场景的三维空间和光谱数据立方体。hsi提供了比rgb图像更丰富、更详细的光谱信息，广泛应用于目标检测、图像识别、遥感等领域。传统hsi系统沿光谱或空间方向扫描待测目标场景以获取hsi数据，不适合捕捉动态场景。因此，各种压缩光谱成像系统被提出来以加速hsi数据采集过程。近年来，编码孔径快照光谱成像仪(coded aperture snapshot spectral imager，简称cassi)展现出了优越的性能，其可以视频速率采集三维hsi数据的二维压缩测量值，并使用相应的重建算法从少量压缩测量值中恢复出待测目标场景的hsi数据。具体来说，cassi系统首先使用一个透射式编码孔在空间维度上调制待测目标场景的hsi数据。然后，使用一个色散棱镜在光谱维度上实现对调制信号的错位平移，最后将光谱数据投影到一个二维焦平面探测器上，以得到待测目标场景的hsi数据的二维压缩测量值。目前，cassi系统中的最重要的任务是设计合适的算法，从二维压缩测量值中快速且真实地重建出待测目标场景的三维hsi数据。
2、基于模型的迭代算法首先被用于cassi重建中，但是其耗时长且重建和泛化能力不佳。近年来，一系列深度学习方法被用于cassi重建中，并表现出了优异的性能，如端到端算法，即插即用算法和深度展开(deep u
3、综上所述，如何在cassi系统中设计新型的du算法，摆脱传统线性投影方法对du算法的限制，充分在du算法中发挥深度学习技术的能力，实现对待测目标场景的hsi数据的快速、高效且高质量地重建是本领域中一个亟待解决的重要问题。
技术实现思路
1、为解决上述问题，本专利技术提供一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其能够快速、高效且高质量地从压缩测量值中重建出hsi数据，可以极大地提高运算效率。
2、一种基于深度估计和增强展开的压缩计算光谱成像重建方法，该方法的步骤包括：
3、s1：利用cassi系统获取已知目标场景的三维hsi立方的二维压缩测量值。cassi系统首先使用一个物理编码孔对已知目标场景的三维hsi立方进行空间编码调制，然后使用一个色散棱镜在光谱维度上实现对调制信号的错位平移，最后光谱数据将投影到一个二维焦平面探测器上，以得到已知目标场景的hsi立方的二维压缩测量值。其中，所述cassi系统的前向成像模型具体为：
4、s11，cassi系统的前向成像模型的离散表示如下：
5、
6、其中，为已知目标场景的三维hsi立方，nx,ny标示着空间坐标系，nλ标示着光谱坐标系，nx＝1,...,nx，ny＝1,...,ny为空间坐标，nλ＝1,...,nλ为光谱坐标；为二维编码孔；y(nx,nu)表示在二维探测器上的第(nx,nu)个像素上的测量值，nu＝[ny+α·(nλ-1)]，nu＝1,...,nu代表了探测器平面的垂直方向的坐标，α为色散棱镜的色散率；为探测器上的噪声值。
7、s12，更进一步，s11中的压缩测量值可以以矩阵形式表示如下：
8、y＝φf+o
9、其中，y，f和o分别为y，f和o的向量化表示；为cassi系统的前向成像模型的感知矩阵，其包括了编码孔和色散棱镜的作用。
10、s2：基于cassi系统中投影成像过程的空间和光谱的关系，本专利技术提出了深度估计和增强展开(deep estimation-enhancement unfolding，简称deeu)框架。deeu框架首先在每个迭代阶段中的投影更新步骤中使用一个基于学习的深度估计与增强(deepestimation-enhancement，简称dee)模块替换了现有的du算法中的使用到的传统的线性投影算法，以引导du模型的迭代学习过程。dee模块由一个深度投影估计(deep projectionestimation，简称dpe)块和一个光谱和空间特征增强(spatio-spectral featureenhancement，简称ssfe)块组成。
11、s21：基于cassi系统中投影成像过程的空间和光谱的关系，dpe块可以从特定的探测器像素中提取局部图像特征，然后更新相应的hsi体素值。deeu框架中的第k个阶段中的dpe块的计算过程如下所示：
12、s21a：对第k个阶段中的dpe块来说，首先计算来自第(k-1)个阶段中的去噪先验vk-1的投影结果和实际测量值y之间的投影误差这个计算过程可以被描述如下：
13、pek-1＝fre[abs(y-φvk-1)]
14、其中，fre(·)是一个重塑函数，用来改变数据的形状；abs(·)为绝对值函数。特别地，在第一个阶段中，pe0＝y和v0＝0。
15、s21b：基于cassi系统中的投影成像过程的空间和光谱关系，设计了一个色散矩阵以指示每个探测器像素和对应的hsi体素之间的关系，即
16、
17、其中，为一个全1矩阵，为一个记录了中的每个空间位置上的非零元素的个数的矩阵；为一个描述了色散棱镜作用的色散函数；为的逆变换。
18、色散函数可以被描述如下：
19、令为一个编码hsi立方。f1经过色散棱镜后得到色散his立方的过程可以用一个色散函数表示，即
20、
21、其中，代表色散hsi立方，nu＝[ny+α·(nλ-1)]；α为色散棱镜的色散系数，并且，可以将的逆变换定义为即
22、
23、借助于dm，dpe块使用一个基于cnn的convblock从pek-1的每个局部区域中提取图像特征，并更新对应的hsi体素值，其可以被表示为：
24、
25、其中，为f的一个色散表示的估计结果，⊙代表元素乘法，convblock由三个二维卷积层组成。
26、s21c：然后，计算vk-1的色散表示：
27、
28、使用和vk-1更新得到f的新的估计结果，即dpe块的输出可以表示为
本文档来自技高网...【技术保护点】
1.一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于该方法的步骤包括：
2.根据权利要求1所述的一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于：
3.根据权利要求1所述的一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于：
4.根据权利要求1所述的一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于：
5.根据权利要求4所述的一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于：
6.根据权利要求5所述的一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于：
7.根据权利要求6所述的一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于：
8.根据权利要求6所述的一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于：
9.根据权利要求6所述的一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于：
10.根据权利要求6所述的一种基于深度估计和增强展开的压缩计算
...【技术特征摘要】
1.一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于该方法的步骤包括：
2.根据权利要求1所述的一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于：
3.根据权利要求1所述的一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于：
4.根据权利要求1所述的一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于：
5.根据权利要求4所述的一种基于深度估计和增强展开的压缩计算光谱成像重建方法，其特征在于：
<...
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。