一种基于Mamba的重构光谱去噪方法技术

本发明专利技术提供一种基于Mamba的重构光谱去噪方法，所述方法包括：S101、获取原始光谱数据；S102、对原始光谱数据进行预处理，构建光谱去噪编码器‑解码器的训练模型；S103、利用U形结构将编码器与解码器相连接；S104、利用Mamba模块所构成的编码器，对光谱数据进行长距离依赖特征提取；S105、编码器与解码器不同层级之间采用跳跃连接的方式；S106、将不同维度的光谱特征向量输入到解码器中，解码器对逐层压缩的光谱特征向量进行上采样，将不同维度的光谱特征向量还原到原始空间，最终重构出去噪后的光谱数据。本发明专利技术能够有效的去除原始光谱数据中所包含的环境噪声，使重构光谱中只具有包含有效信息的数据，提高光谱数据的有效性和可用性。

【技术实现步骤摘要】

本专利技术涉及重构光谱去噪，尤其涉及一种基于mamba的重构光谱去噪方法。

技术介绍

1、近年来，深度学习的迅速发展为光谱重构技术带来新思路。基于卷积神经网络、递归神经网络等的方法，突破了先验假设的限制，能更好地捕捉复杂的光谱特征和数据间的关联。这些方法在处理高维度、非线性光谱数据方面展现出明显优势，有效提升了重构的准确性和分辨率，在抗噪性方面具有较大的提升。但是对于复杂场景下，面对环境噪声的干扰，重构光谱的准确性和有效性仍然是一个巨大的挑战。

技术实现思路

1、鉴于此，本专利技术的目的在于提供一种基于mamba的重构光谱去噪方法，以解决或至少部分解决现有技术中所存在的上述问题。

2、为实现上述专利技术目的，本专利技术提供一种基于mamba的重构光谱去噪方法，所述方法包括以下步骤：

3、s101、获取原始光谱数据；

4、s102、对原始光谱数据进行预处理，得到有效的光谱数据，基于有效的光谱数据构建光谱去噪编码器-解码器的训练模型；

5、s103、利用u形结构将编本文档来自技高网...

【技术保护点】

1.一种基于Mamba的重构光谱去噪方法，其特征在于，包括：

2.根据权利要求1所述的一种基于Mamba的重构光谱去噪方法，其特征在于，在步骤S102中，所述预处理包括：

3.根据权利要求1所述的一种基于Mamba的重构光谱去噪方法，其特征在于，在编码器-解码器的训练模型中输入训练数据，并利用均方误差损失函数对编码器-解码器进行训练，所述训练数据包括获取的原始光谱数据和进行数据增强后的噪声光谱数据。

4.根据权利要求3所述的一种基于Mamba的重构光谱去噪方法，其特征在于，所述均方误差损失函数的表达式为：

5.根据权利要求1所述的一种基于M...

【技术特征摘要】

1.一种基于mamba的重构光谱去噪方法，其特征在于，包括：

2.根据权利要求1所述的一种基于mamba的重构光谱去噪方法，其特征在于，在步骤s102中，所述预处理包括：

3.根据权利要求1所述的一种基于mamba的重构光谱去噪方法，其特征在于，在编码器-解码器的训练模型中输入训练数据，并利用均方误差损失函数对编码器-解码器进行训练，所述训练数据包括获取的原始光谱数据和进行数据增强后的噪声光谱数据。

4.根据权利要求3所述的一种基于mamba的重构光谱去噪方法，其特征在于，所述均方误差损失函数的表达式为：

5.根据权利要求1所述的一种基于mamba的重构光谱去噪方法，其特征在于，所述mamba模块所构成的编码...

【专利技术属性】
技术研发人员：吕颖达，郭星宇，王晓兵，徐凤一，杜鹃，刘恒斌，
申请(专利权)人：吉林大学，
类型：发明
国别省市：