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】
本专利技术主要涉及计算成像,具体涉及一种可见光至近红外高光谱图像重构方法及系统。
技术介绍
1、现有摄像技术中,大多为红、绿、蓝三基色数据的光谱信息组成的彩色图像或彩色视频。虽然基于三基色数据的光谱信息传感符合人类视觉系统的感知需求,但是物理世界包含了远多于三色数据的光谱信息。获取光谱信息能够为更多场景提供有效特征,解决传统灰度成像或彩色成像中“同色异谱”等问题,帮助人们准确地区分不同的物质成分。高光谱成像技术得益于空域和光谱高维数据信息获取,已广泛应用于军事、工业、农业和医学等领域。
2、传统的光谱成像设备需要使用色散元件或许多个窄带滤光片将光谱成分分离,但使用光学元件的体积难以缩小到普通成像探测器的大小。为了提升光谱成像速度以及减小光学元件的体积,本学术界基于压缩感知理论研究出了“快照式”的光谱成像方法。但该方法仍未摆脱使用体积较大的色散元件的问题,以及有图像重构时间远大于数据获取的时间的问题。近年来,随着深度学习技术的快速发展,将深度学习技术引入到计算光谱重构方法中,可以解决上述光谱成像的问题。目前,基于深度学习的经典高光谱重构网络主要有hscnn+、hdnet和mst++等,这些网络只需输入一张rgb图像,即可重构出可见光高光谱图像。但是,对于同时重构出可见光至近红外高光谱图像的研究较少,且有着不少挑战。
技术实现思路
1、本专利技术所要解决的技术问题是针对现有技术的不足,提供一种可见光至近红外高光谱图像重构方法及系统。
2、本专利技术解决上述技术问
3、一种可见光至近红外高光谱图像重构方法,包括如下步骤:
4、通过液晶微透镜阵列和基础成像部件搭建光场成像装置,通过所述光场成像装置对目标场景进行图像采集,得到初始光场图像和初始偏振图像;
5、基于波动光学理论模拟光通过棱镜的传播过程构建数字棱镜模型,基于transformer架构构建补偿网络;
6、通过所述数字棱镜模型和所述补偿网络对所述初始光场图像和所述初始偏振图像进行重构,生成高光谱图像;
7、构建反向设计网络,通过所述反向设计网络对所述高光谱图像进行反向预测,得到液晶微透镜阵列参数,所述液晶微透镜阵列参数用于作为制备优化液晶微透镜阵列的参数,并通过所述优化液晶微透镜阵列和所述基础成像部件搭建优化光场成像装置;
8、通过所述优化光场成像装置对目标场景进行图像采集,得到光场图像和偏振图像,通过所述数字棱镜模型和所述补偿网络对所述光场图像和所述偏振图像进行重构,生成可见光至近红外高光谱图像。
9、本专利技术解决上述技术问题的另一技术方案如下:
10、一种可见光至近红外高光谱图像重构系统,包括:采集单元、构建单元、预重构单元、优化单元和重构单元;
11、所述采集单元,用于通过液晶微透镜阵列和基础成像部件搭建光场成像装置,通过所述光场成像装置对目标场景进行图像采集,得到初始光场图像和初始偏振图像;
12、所述构建单元,用于基于波动光学理论模拟光通过棱镜的传播过程构建数字棱镜模型,基于transformer架构构建补偿网络;
13、所述预重构单元,用于通过所述数字棱镜模型和所述补偿网络对所述初始光场图像和所述初始偏振图像进行重构,生成高光谱图像;
14、所述优化单元,用于构建反向设计网络,通过所述反向设计网络对所述高光谱图像进行反向预测,得到液晶微透镜阵列参数,所述液晶微透镜阵列参数用于作为制备优化液晶微透镜阵列的参数,并通过所述优化液晶微透镜阵列和所述基础成像部件搭建优化光场成像装置;
15、所述重构单元,用于通过所述优化光场成像装置对目标场景进行图像采集,得到光场图像和偏振图像,通过所述数字棱镜模型和所述补偿网络对所述光场图像和所述偏振图像进行重构,生成可见光至近红外高光谱图像。
16、本专利技术的有益效果是:基于深度学习技术分别构建反向设计网络、数字棱镜模型和补偿网络,通过反向设计网络获取最优的液晶微透镜阵列参数以搭建最适合采集图像数据的光场成像装置,根据分光棱镜的特性,模拟光穿过棱镜的传播过程,构建出数字棱镜模型,实现对目标图像进行重构时使光谱起到分散的效果,通过补偿网络对光谱特征图进行细节恢复,以致于在对目标场景中的图像进行光谱重构时,能够将光谱从可见光范围扩展到近红外范围,能够在降低成本的同时,高效率且高精度的重构出可见光至近红外高光谱图像。
17、本专利技术在工业检测、生物医学、医疗图像、农产品检测和遥感等领域具有较大的应用前景。
本文档来自技高网...【技术保护点】
1.一种可见光至近红外高光谱图像重构方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的可见光至近红外高光谱图像重构方法,其特征在于,所述基础成像部件包括偏振片,所述通过所述光场成像装置对目标场景进行图像采集,得到初始光场图像和初始偏振图像,具体为:
3.根据权利要求1所述的可见光至近红外高光谱图像重构方法,其特征在于,所述基于波动光学理论模拟光通过棱镜的传播过程构建数字棱镜模型,具体为:
4.根据权利要求3所述的可见光至近红外高光谱图像重构方法,其特征在于,所述基于波动光学理论模拟光通过棱镜的传播过程,得到棱镜相位变化函数、入射波前函数和出射波前函数,具体为:
5.根据权利要求3所述的可见光至近红外高光谱图像重构方法,其特征在于,所述通过所述数字棱镜模型和所述补偿网络对所述初始光场图像和所述初始偏振图像进行重构,生成高光谱图像,具体为:
6.根据权利要求5所述的可见光至近红外高光谱图像重构方法,其特征在于,所述基于transformer架构构建补偿网络,具体为:
7.根据权利要求6所述的可见光至近红外
8.根据权利要求1所述的可见光至近红外高光谱图像重构方法,其特征在于,还包括对所述反向设计网络进行预训练的步骤:
9.根据权利要求1所述的可见光至近红外高光谱图像重构方法,其特征在于,所述通过所述反向设计网络对所述高光谱图像进行反向预测,得到液晶微透镜阵列参数,具体为:
10.一种可见光至近红外高光谱图像重构系统,其特征在于,包括:采集单元、构建单元、预重构单元、优化单元和重构单元;
...【技术特征摘要】
1.一种可见光至近红外高光谱图像重构方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的可见光至近红外高光谱图像重构方法,其特征在于,所述基础成像部件包括偏振片,所述通过所述光场成像装置对目标场景进行图像采集,得到初始光场图像和初始偏振图像,具体为:
3.根据权利要求1所述的可见光至近红外高光谱图像重构方法,其特征在于,所述基于波动光学理论模拟光通过棱镜的传播过程构建数字棱镜模型,具体为:
4.根据权利要求3所述的可见光至近红外高光谱图像重构方法,其特征在于,所述基于波动光学理论模拟光通过棱镜的传播过程,得到棱镜相位变化函数、入射波前函数和出射波前函数,具体为:
5.根据权利要求3所述的可见光至近红外高光谱图像重构方法,其特征在于,所述通过所述数字棱镜模型和所述补偿网络对所述初始光场图像和所述初始偏...
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。