【技术实现步骤摘要】
本专利技术涉及太阳光谱反演，具体涉及基于深度学习的太阳光谱图像反演方法。
技术介绍
1、太阳光谱是一种不同波长的吸收光谱，具有各谱线能量分布较为均匀、相邻谱线相互之间成像干扰大的物理特点。在太阳光谱反演领域，使用性能更好的深度学习算法的主要瓶颈在于有噪-无噪图像对数据集的构建。其中，特定谱线的光谱图像可直接获取，有噪图像(即多谱线混合光谱图像)的仿真合成主要依赖于直接加入噪声的方法或使用复杂的生成对抗网络。
2、但是，上述有噪图像多谱线混合光谱图像的仿真过程中存在图像细节保留不佳、无关噪声抑制效果不理想的问题，导致仿真图像合成效果较差。
技术实现思路
1、有鉴于此，本专利技术提供了基于深度学习的太阳光谱图像反演方法，以解决有噪图像多谱线混合光谱图像的仿真过程中存在图像细节保留不佳、无关噪声抑制效果不理想的问题。
2、第一方面，本专利技术提供了基于深度学习的太阳光谱图像反演方法，该方法包括：
3、获取太阳光谱图像，基于太阳光谱图像，利用点扩散函数生成多组卷
本文档来自技高网...
【技术保护点】
1.基于深度学习的太阳光谱图像反演方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述太阳光谱图像，利用点扩散函数生成多组卷积核，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述太阳光谱图像，利用点扩散函数生成多组卷积核，还包括：
4.根据权利要求1所述的方法，其特征在于，所述利用所述多组卷积核对所述包含目标谱线的太阳光谱图像进行融合，得到多谱线混合太阳能光谱仿真数据集，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述多谱线混合太阳能光谱仿真数据集进行多层卷积...
【技术特征摘要】
1.基于深度学习的太阳光谱图像反演方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述太阳光谱图像，利用点扩散函数生成多组卷积核，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述太阳光谱图像，利用点扩散函数生成多组卷积核，还包括：
4.根据权利要求1所述的方法，其特征在于，所述利用所述多组卷积核对所述包含目标谱线的太阳光谱图像进行融合，得到多谱线混合太阳能光谱仿真数据集，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述多谱线混合太阳能光谱仿真数据集进行多层卷积，得到太阳光谱图像反演结果，包括：
6.根据权利要求5所述的方法，其特征在于...
【专利技术属性】
技术研发人员：代树武，蒋帅，张跃，王梓扬，李瀚宇，尹清红，
申请(专利权)人：北京空间飞行器总体设计部，
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。