机器学习优化稀疏基的高光谱全偏振图像压缩重构方法

    公开(公告)号:CN111426383B

    公开(公告)日:2022-05-10

    申请号:CN202010303994.X

    申请日:2020-04-17

    IPC分类号: G01J3/447 G06N3/00

    摘要: 本发明公开了一种机器学习优化稀疏基的高光谱全偏振图像压缩重构方法,采用四分之一波片与具有线偏振特性的器件组合将图像成像于探测器,通过切换四分之一波片的快轴角度和/或具有线偏振特性的器件的透光轴角度实现不同的全偏振调制方式;采用该全偏振调制方式对任一波段的全偏振局部图像进行处理,获得压缩信息;采用粒子群算法优化稀疏基,优化后的稀疏基使得利用压缩信息重构的全偏振局部图像逼近其原图像。应用时,采用上述全偏振调制方式对高光谱全偏振图像进行偏振调制,获得压缩信息,并利用优化稀疏基获得重构的高光谱全偏振图像。采用本发明能够实现高光谱图像四个斯托克斯参量的重构,提高四个斯托克斯参量的重构精度。

    一种基于空谱联合的高光谱异常目标检测方法和系统

    公开(公告)号:CN113327231A

    公开(公告)日:2021-08-31

    申请号:CN202110589580.2

    申请日:2021-05-28

    摘要: 本发明公开了一种基于空谱联合的高光谱异常目标检测方法和系统,包括:对原始高光谱图像进行降维处理;采用自编码网络提取降维后的图像中的背景空间特征并进行重构;将重构后的空间域图像和降维后的图像进行差值运算得到第一残差图像,根据第一残差图像得到空间域检测结果;采用对抗自编码网络提取原始高光谱图像中的背景光谱特征并进行重构;将重构后的光谱域图像与原始高光谱图像进行差值运算,得到第二残差图像,根据第二残差图像得到光谱域检测结果;加权融合空间域检测结果和光谱域检测结果,得到异常目标检测结果。本发明具有强大的特征提取和表示能力,采取了样本数量扩充方案解决训练数据匮乏的问题,具有较好的检测精度。

    基于反射式分光光度法的水中化学需氧量检测方法

    公开(公告)号:CN116399821A

    公开(公告)日:2023-07-07

    申请号:CN202310355221.X

    申请日:2023-04-04

    IPC分类号: G01N21/31

    摘要: 本发明提供了基于反射式分光光度法的水中化学需氧量检测方法,涉及水质检测技术领域,采用反射式分光光度法系统发出光波并接收光波,方法具体步骤为:基于不同COD浓度的目标水样,通过反射式分光光度法系统,采集吸收光谱;对目标水样吸收光谱进行光谱预处理;对预处理后的目标水样吸收光谱进行特征波段筛选,选择特征波段;对不同COD浓度目标水样,特征筛选后的吸收光谱特征波段,使用偏最小二乘回归算法进行光谱回归分析。本发明基于反射式分光光度法检测水中COD,通过光与物质之间的相互作用,无需使用辅助试剂,准确的检测水中COD浓度。

    液晶高光谱计算成像系统的三维数据重构方法

    公开(公告)号:CN112229514A

    公开(公告)日:2021-01-15

    申请号:CN202011054740.5

    申请日:2020-09-27

    摘要: 本发明提供一种液晶高光谱计算成像系统的三维数据重构方法,搭建了一个适用于液晶高光谱计算成像系统的卷积神经网络,将计算成像系统获取的压缩观测结果和系统响应共同作为网络输入,经过多个隐藏层,最终输出重构后的高分辨率三维数据;其中,系统响应包括系统的空间响应和光谱响应,分别表示系统对入射场景的空间和光谱编码作用。本发明在卷积神经网络的框架下进行压缩观测数据的计算重构,同时考虑压缩数据和系统响应,在训练数据足够多的情况下,该网络可以适应不同的编码模板和各种类型的计算光谱成像系统,快速准确地获取重构后的三维数据。

    斯托克斯参量分块的全偏振高光谱图像压缩重构方法

    公开(公告)号:CN111998945A

    公开(公告)日:2020-11-27

    申请号:CN202010846546.4

    申请日:2020-08-21

    摘要: 本发明公开了一种斯托克斯参量分块的全偏振高光谱图像压缩重构方法,能够增加偏振压缩的自由度,提高偏振重构的针对性和重构精度,缩短整体重构用时。采用四分之一波片与液晶可调滤波器组合将待测全偏振高光谱图像成像于探测器,选取四分之一波片快轴角度和液晶可调滤波器入射面角度实现不同全偏振调制方式。对于1种快轴角度和2种入射面角度的组合,利用求和法求解第一个斯托克斯参量S0,再重构后三个斯托克斯参量S1S2S3;对于2~3种快轴角度和1种入射面角度的组合,利用求差法重构S1S2S3,再求解S0;对于1~3种快轴角度和1种入射面角度的组合,利用缩放法重构S0,再重构S1S2S3。最终获得重构的全偏振高光谱图像。

    斯托克斯参量分块的全偏振高光谱图像压缩重构方法

    公开(公告)号:CN111998945B

    公开(公告)日:2022-11-01

    申请号:CN202010846546.4

    申请日:2020-08-21

    摘要: 本发明公开了一种斯托克斯参量分块的全偏振高光谱图像压缩重构方法,能够增加偏振压缩的自由度,提高偏振重构的针对性和重构精度,缩短整体重构用时。采用四分之一波片与液晶可调滤波器组合将待测全偏振高光谱图像成像于探测器,选取四分之一波片快轴角度和液晶可调滤波器入射面角度实现不同全偏振调制方式。对于1种快轴角度和2种入射面角度的组合,利用求和法求解第一个斯托克斯参量S0,再重构后三个斯托克斯参量S1S2S3;对于2~3种快轴角度和1种入射面角度的组合,利用求差法重构S1S2S3,再求解S0;对于1~3种快轴角度和1种入射面角度的组合,利用缩放法重构S0,再重构S1S2S3。最终获得重构的全偏振高光谱图像。

    基于液晶高光谱计算成像系统的三维自适应压缩重构方法

    公开(公告)号:CN113008370A

    公开(公告)日:2021-06-22

    申请号:CN202110228167.3

    申请日:2021-03-02

    IPC分类号: G01J3/28 G01J3/02

    摘要: 本发明公开了一种基于液晶高光谱计算成像系统的三维自适应压缩重构方法,液晶高光谱计算成像系统包括LCTF、编码孔径、探测器和光学透镜。方法包括:采集LCTF在各光谱通道下的低分辨率图像,获得低分辨率数据立方体;进行插值操作,快速得到高分辨率的高光谱数据立方体;利用自适应编码规则,基于高光谱数据立方体生成各滤波波段所需的自适应编码孔径;通过自适应编码孔径分别获取各光谱通道下的压缩测量值;基于压缩感知理论,根据系统的观测矩阵、稀疏基和压缩测量值,重构出高分辨率的目标光谱数据立方体。本发明利用先验信息设计自适应编码孔径和空‑谱联合字典,使得本发明对目标场景有很强的适应性,能够提升成像质量。

    液晶高光谱计算成像系统的三维数据重构方法

    公开(公告)号:CN112229514B

    公开(公告)日:2023-04-18

    申请号:CN202011054740.5

    申请日:2020-09-27

    摘要: 本发明提供一种液晶高光谱计算成像系统的三维数据重构方法,搭建了一个适用于液晶高光谱计算成像系统的卷积神经网络,将计算成像系统获取的压缩观测结果和系统响应共同作为网络输入,经过多个隐藏层,最终输出重构后的高分辨率三维数据;其中,系统响应包括系统的空间响应和光谱响应,分别表示系统对入射场景的空间和光谱编码作用。本发明在卷积神经网络的框架下进行压缩观测数据的计算重构,同时考虑压缩数据和系统响应,在训练数据足够多的情况下,该网络可以适应不同的编码模板和各种类型的计算光谱成像系统,快速准确地获取重构后的三维数据。

    一种基于空谱联合的高光谱异常目标检测方法和系统

    公开(公告)号:CN113327231B

    公开(公告)日:2022-10-14

    申请号:CN202110589580.2

    申请日:2021-05-28

    摘要: 本发明公开了一种基于空谱联合的高光谱异常目标检测方法和系统,包括:对原始高光谱图像进行降维处理;采用自编码网络提取降维后的图像中的背景空间特征并进行重构;将重构后的空间域图像和降维后的图像进行差值运算得到第一残差图像,根据第一残差图像得到空间域检测结果;采用对抗自编码网络提取原始高光谱图像中的背景光谱特征并进行重构;将重构后的光谱域图像与原始高光谱图像进行差值运算,得到第二残差图像,根据第二残差图像得到光谱域检测结果;加权融合空间域检测结果和光谱域检测结果,得到异常目标检测结果。本发明具有强大的特征提取和表示能力,采取了样本数量扩充方案解决训练数据匮乏的问题,具有较好的检测精度。

    基于液晶高光谱计算成像系统的三维自适应压缩重构方法

    公开(公告)号:CN113008370B

    公开(公告)日:2022-06-14

    申请号:CN202110228167.3

    申请日:2021-03-02

    IPC分类号: G01J3/28 G01J3/02

    摘要: 本发明公开了一种基于液晶高光谱计算成像系统的三维自适应压缩重构方法,液晶高光谱计算成像系统包括LCTF、编码孔径、探测器和光学透镜。方法包括:采集LCTF在各光谱通道下的低分辨率图像,获得低分辨率数据立方体;进行插值操作,快速得到高分辨率的高光谱数据立方体;利用自适应编码规则,基于高光谱数据立方体生成各滤波波段所需的自适应编码孔径;通过自适应编码孔径分别获取各光谱通道下的压缩测量值;基于压缩感知理论,根据系统的观测矩阵、稀疏基和压缩测量值,重构出高分辨率的目标光谱数据立方体。本发明利用先验信息设计自适应编码孔径和空‑谱联合字典,使得本发明对目标场景有很强的适应性,能够提升成像质量。