一种高光谱图像重建方法及系统技术方案

本发明专利技术公开了一种高光谱图像重建方法及系统，涉及高光谱图像重建技术领域，该方法包括：搭建并训练基于局部相关性和全局连续性建模的高光谱图像重建网络，该网络包括多个光谱重建单元，光谱重建单元包括多个光谱关系建模模块，每一光谱关系建模模块包括谱间关系建模模块和谱内空间建模模块，分别用于提取光谱特征的谱间关系特征和谱内空间特征，该谱间关系特征为融合谱间局部相关性特征和谱间全局连续性特征的融合特征；将RGB图像输入至训练完成的高光谱图像重建网络，获得重建的高光谱图像。本发明专利技术通过高效提取谱间局部相关性特征和谱间全局连续性特征，并经块级自适应特征融合，实现更高质量的高光谱重建。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，尤其涉及一种高光谱图像重建方法及系统。

技术介绍

1、高光谱图像(hyperspectral image,hsi)由于其具有丰富的光谱信息，在多个领域具有广泛的应用价值，尤其是在计算机视觉领域，高光谱图像凭借其在多个波段上收集的详细光谱信息，展现出比传统rgb图像更为丰富的语义表达能力，相较于rgb图像，高光谱图像能够提供更多的光谱特征，这些特征使得高光谱图像在图像分类、目标检测等多个领域具有独特的优势和广阔的应用前景，特别是在遥感、农业监测、环境保护和医学影像等行业，高光谱图像可为研究人员提供更精确的信息，从而促进科学决策。然而，由于高光谱成像设备的复杂性和昂贵的获取成本，高光谱图像的普及面临一定的障碍，不利于实际的推广应用。因此，如何以较低的成本获取高质量的高光谱图像，成为推动高光谱技术广泛应用的关键所在。考虑到rgb图像的获取成本相对较低，目前提出了高光谱图像重建任务(hyperspectral image reconstruction)，即，通过设计有效的算法或特定的映射关系或生成模型，从rgb图像中推断或重建出高光谱图像本文档来自技高网...

【技术保护点】

1.一种高光谱图像重建方法，其特征在于，包括：

2.如权利要求1所述的一种高光谱图像重建方法，其特征在于，所述谱间关系建模模块，包括：

3.如权利要求2所述的一种高光谱图像重建方法，其特征在于，提取光谱特征并输入至群组光谱相关性建模模块中，采用分组注意力机制建模局部谱段之间的信息关联，提取谱间局部相关性特征，包括：

4.如权利要求2所述的一种高光谱图像重建方法，其特征在于，所述相邻光谱连续性建模模块由前向建模和后向建模两个分支组成，提取的光谱特征输入至相邻光谱连续性建模模块中，提取谱间全局连续性特征，包括：

5.如权利要求2所述的一种高光谱...

【技术特征摘要】

1.一种高光谱图像重建方法，其特征在于，包括：

2.如权利要求1所述的一种高光谱图像重建方法，其特征在于，所述谱间关系建模模块，包括：

3.如权利要求2所述的一种高光谱图像重建方法，其特征在于，提取光谱特征并输入至群组光谱相关性建模模块中，采用分组注意力机制建模局部谱段之间的信息关联，提取谱间局部相关性特征，包括：

4.如权利要求2所述的一种高光谱图像重建方法，其特征在于，所述相邻光谱连续性建模模块由前向建模和后向建模两个分支组成，提取的光谱特征输入至相邻光谱连续性建模模块中，提取谱间全局连续性特征，包括：

5.如权利要求2所述的一种高光谱图像重建方法，其特征在于，所述块级自适应融合模块采用块级的融合策略将谱间全局连续性特征自适应的融合至谱间局部相关性特征中，提取谱间关系特征，包括：

【专利技术属性】
技术研发人员：冯富祥，丛润民，张伟，李晓磊，宁春林，马剑哲，
申请(专利权)人：山东大学，
类型：发明
国别省市：