[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的光譜成像系統(tǒng)的編碼優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 201910018000.7
• 申請日: 2019-01-09
• 公開（公告）號: CN109447890A
• 公開（公告）日: 2019-03-08
• 發(fā)明（設(shè)計）人: 王立志;張濤;付瑩;黃華
• 申請（專利權(quán)）人: 北京理工大學(xué)
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06T3/40;G06N3/08
• 代理公司: 北京理工正陽知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11639
• 代理人: 鄔曉楠

本發(fā)明公開的一種基于卷積神經(jīng)網(wǎng)絡(luò)的光譜成像系統(tǒng)的編碼優(yōu)化方法，屬于計算攝像學(xué)領(lǐng)域。本發(fā)明應(yīng)用于基于編碼孔徑快照光譜成像系統(tǒng)，將高光譜圖像成像過程與重建過程一起考慮，優(yōu)化重建網(wǎng)絡(luò)的同時優(yōu)化編碼網(wǎng)絡(luò)，并使用GPU完成對整個網(wǎng)絡(luò)的優(yōu)化求解：使用cuDNN庫加速網(wǎng)絡(luò)運(yùn)行速度；使用隨機(jī)梯度下降法更新網(wǎng)絡(luò)參數(shù)；逐塊處理完成高光譜圖像的重建。本發(fā)明能夠高質(zhì)量地完成CASSI光譜成像系統(tǒng)的高光譜圖像重建，在保證重建結(jié)果具備高空間分辨率和高光譜保真性的同時，大幅度提高高光譜圖像重建的效率，擴(kuò)展高光譜圖像的應(yīng)用范圍。本發(fā)明可用于載人航天、地質(zhì)勘測和植被研究等多個領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明專利涉及一種用于光譜成像的高光譜圖像編碼優(yōu)化方法，尤其涉及能夠快速獲取高質(zhì)量高光譜圖像的方法，屬于計算攝像學(xué)領(lǐng)域。

背景技術(shù)

高光譜成像技術(shù)是一種將空間成像技術(shù)與光譜成像技術(shù)相結(jié)合的技術(shù)，能夠密集的采集場景中每一個點的光譜信號。采集得到的高光譜圖像被稱為數(shù)據(jù)立方體，包含場景的大量光照和材料信息。該技術(shù)已經(jīng)被應(yīng)用于遙感、計算機(jī)視覺、醫(yī)療診斷等多個領(lǐng)域。目前存在的二維成像傳感器不能簡單的通過一次曝光獲取三維的高光譜圖像。傳統(tǒng)的高光譜成像技術(shù)選擇犧牲時間維，沿著空間維或者光譜維掃描采集整張高光譜圖像，所以基于掃描的技術(shù)不能夠用于采集動態(tài)的場景。

近年來，隨著計算成像技術(shù)的飛速發(fā)展，基于多種光學(xué)設(shè)計和精細(xì)重建算法的計算光譜成像技術(shù)得到廣泛應(yīng)用。與傳統(tǒng)光譜成像系統(tǒng)相比，計算光譜成像能夠獲得更高時間分辨率、空間分辨率和光譜分辨率的高光譜圖像。基于壓縮感知理論，AshwinWagadarikar等人提出的編碼孔徑快照光譜成像儀(Coded Aperture Snapshot SpectralImager,CASSI)利用二值化的編碼孔徑和色散介質(zhì)對目標(biāo)場景進(jìn)行調(diào)制，使用探測器獲取三維高光譜數(shù)據(jù)的二維壓縮圖像。再使用優(yōu)化算法從二維的圖像重建潛在的三維高光譜圖像。

由于重建問題是一個不確定問題，這限制了重建結(jié)果的精確度。為了提升CASSI系統(tǒng)的精確度，目前的方法主要分別考慮成像過程和重建過程。在成像過程中，為了更加有效地編碼高光譜圖像信息，不同的編碼孔徑模式被提出。在重建過程中，隨著壓縮感知理論的發(fā)展，各種精心設(shè)計的重建算法被提出。由于沒有對成像過程和重建過程一起考慮，而這兩個過程一起決定了重建結(jié)果的精確度，所以目前的方法在一定程度上限制了重建精確度的提升。

根據(jù)壓縮感知理論，將高光譜數(shù)據(jù)映射到壓縮圖像的觀測矩陣在CASSI系統(tǒng)中扮演著重要的角色，影響著重建高光譜圖像的質(zhì)量。在探測器和色散介質(zhì)確定的情況下，觀測矩陣被實體的編碼孔徑唯一確定。編碼孔徑的初始設(shè)計采用了隨機(jī)二進(jìn)制實體，然而隨機(jī)的編碼孔徑并沒有充分利用CASSI系統(tǒng)感知機(jī)制的結(jié)構(gòu)，這導(dǎo)致重建的結(jié)果是次優(yōu)的。Arguello等人從分析觀測矩陣的等距特性開始優(yōu)化編碼孔徑，提出將編碼孔徑優(yōu)化問題轉(zhuǎn)化為秩最小問題，并采用通用算法求解。但是此方法側(cè)重于光譜的選擇，這就需要不止一次的拍攝，因為需要對不同鏡頭的多次拍攝進(jìn)行操作，才能得到一個新的包含且僅包含所需光譜波段信息的測量結(jié)果。所以此應(yīng)該只適用于多幀系統(tǒng)。

隨著微光刻技術(shù)和涂層技術(shù)的發(fā)展，使得彩色編碼孔徑的設(shè)計成為可能，這也被引入到CASSI系統(tǒng)中。Parada-Mayorga轉(zhuǎn)而分析觀測矩陣的相干性而不是等距特性，并提出了彩色編碼孔徑圖的優(yōu)化等價于相干最小化問題。Ramirez和Arguello提出了觀測矩陣的Gram矩陣的實體分布模型，設(shè)計彩色編碼孔徑使矩陣的方差最小。然而對于這些方法，在優(yōu)化開始之前需要確定一個確定的稀疏矩陣。最近的研究表明，固定稀疏矩陣會產(chǎn)生超優(yōu)重建結(jié)果。相反，盲壓縮感知和在線字典學(xué)習(xí)方法顯示出了更高質(zhì)量的性能，由于這些方法可以根據(jù)場景特征自適應(yīng)地學(xué)習(xí)稀疏基。從這個意義上說，在成像前是沒有稀疏基的，因此不能用來設(shè)計編碼孔徑。