【技术实现步骤摘要】
本专利技术属于图像处理领域，具体涉及一种基于模型后处理的高光谱图像压缩重建方法。
技术介绍
1、高光谱图像为通过分析物体在多个波长范围内的反射或辐射的光谱信息而获得的图像，与普通的rgb图像不同，高光谱图像包含更多的光谱通道，通常涵盖可见光和红外光谱范围，能够对不同波长下对物体的特征进行详细地捕捉和分析。高光谱图像广泛应用到农业、环境监测、地质勘探、医学影像等领域。传统的光谱成像仪配置不同波段的传感器，通过传感器对目标区域进行扫描，获取目标区域的每个像素点在当前波段的光谱反射数据，以顺序扫描的方式获取目标区域的不同波段下的光谱数据。由于传统的光谱成像仪设备成本高，扫描效率低，随着压缩重建理论及技术的发展，基于压缩重建的光谱成像技术成为热点。基于压缩重建的光谱成像技术使用编码孔径快照光谱成像系统(cassi)采集二维测量值，并使用重建算法将二维测量值恢复为三维空间光谱信号。传统的cassi重建方法，采用基追踪去噪(basis pursuit denoising，bpdn)方法，使用解析基和简单的正则化约束方法进行重建，后续引入全变分(to...
【技术保护点】
1.一种基于模型后处理的高光谱图像压缩重建方法，其特征在于，该方法包括如下步骤：
2.如权利要求1所述的基于模型后处理的高光谱图像压缩重建方法，其特征在于，所述阶段一中，
3.如权利要求2所述的基于模型后处理的高光谱图像压缩重建方法，其特征在于，迭代次数为30次。
4.如权利要求1所述的基于模型后处理的高光谱图像压缩重建方法，其特征在于，Unet模型采用编码器-解码器结构，模型在编码和解码过程中捕捉多尺度特征信息，用于消除CASSI成像过程中存在的噪声以及重建产生的误差，使用Unet模型对TV、L1正则化约束进行高效拟合，同时对光谱...
【技术特征摘要】
1.一种基于模型后处理的高光谱图像压缩重建方法，其特征在于，该方法包括如下步骤：
2.如权利要求1所述的基于模型后处理的高光谱图像压缩重建方法，其特征在于，所述阶段一中，
3.如权利要求2所述的基于模型后处理的高光谱图像压缩重建方法，其特征在于，迭代次数为30次。
4.如权利要求1所述的基于模型后处理的高光谱图像压缩重建方法，其特征在于，unet模型采用编码器-解码器结构，模型在编码和解码过程中捕捉多尺度特征信息，用于消除cassi成像过程中存在的噪声以及重建产生的误差，使用unet模型对tv、l1正则化约束进行高效拟合，同时对光谱图像数据特征进行学习，利用光谱图像特征进行光谱图像重建后处理优化。
5.如权利要求4所述的基于模型后处理的高光谱图像压缩重建方法，其特征在于，编码器中使用多组3×3卷积和池化下采样，提取图像中的上下文信息，解码器结构和编码器结构对称，为保持卷积后的图像尺寸不发生变化，采用多组3×3上卷积进行上采样和3×3卷积进行图像重建，同时通过残差连接获取编码器...
【专利技术属性】
技术研发人员：欧阳文，矫立圣，刘燕，苏跃，
申请(专利权)人：北京京海逸科技有限责任公司，
类型：发明
国别省市：
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。