[發明專利]一種基于多級階梯微反射鏡的IFTS的圖譜處理方法

有效

• 申請號: 201911389985.0
• 申請日: 2019-12-30
• 公開（公告）號: CN111208081B
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 呂金光;趙百軒;梁靜秋;王維彪;秦余欣;陶金;任俊
• 申請（專利權）人: 中國科學院長春光學精密機械與物理研究所
• 主分類號: G01N21/3504
• 分類號: G01N21/3504;G01J3/28
• 代理公司: 長春眾邦菁華知識產權代理有限公司 22214
• 代理人: 張偉

1.一種基于多級階梯微反射鏡的IFTS的圖譜處理方法，其特征在于，包括以下步驟：

步驟S1：獲取基于多級階梯微反射鏡的IFTS采集的干涉數據立方體；

步驟S2：將所述干涉數據立方體的干涉圖像按照不同干涉級次對應的圖像單元進行分割，得到干涉圖像單元；步驟S2包括以下步驟：

步驟S2-1：以任意一幅干涉圖像作為待分割圖像，對所述待分割圖像進行圖像形態學邊緣增強處理，得到初步邊緣信息增強圖像；

步驟S2-2：對所述初步邊緣信息增強圖像進行小波分解邊緣信息增強處理，得到有效邊緣信息增強圖像；

步驟S2-3：對所述有效邊緣信息增強圖像進行邊緣檢測及插值擬合，得到完整的子階梯邊緣信息；

步驟S2-4：根據所述子階梯邊緣信息對所述待分割圖像進行圖像分割，得到所述待分割圖像對應的干涉圖像單元；

步驟S2-5：將所述待分割圖像遍歷所述干涉數據立方體的全部干涉圖像，得到全部的干涉圖像單元；

步驟S3：將所述干涉數據立方體的每幅干涉圖像中同一級次的干涉圖像單元按照掃描方向進行深度學習與特征拼接相結合的圖像拼接，得到場景圖像序列；步驟S3包括以下步驟：

步驟S3-1：以所述干涉數據立方體的每幅干涉圖像中同一級次的干涉圖像單元作為待配準圖像單元，對所述待配準圖像單元分別進行基于尺度不變特征變換算法的特征檢測和基于深度學習卷積神經網絡算法的特征檢測，得到SIFT特征和卷積神經網絡特征；

步驟S3-2：對所述SIFT特征和所述卷積神經網絡特征進行特征融合，得到參考圖像單元的候選關鍵點與所述待配準圖像單元的候選關鍵點之間的相似度；

步驟S3-3：根據所述相似度結合基于局部最大熵的特征匹配算法進行特征匹配，將匹配完成的同一級次干涉圖像單元按照掃描方向進行圖像拼接，得到場景圖像序列；

步驟S4：對所述場景圖像序列進行基于頻域濾波的圖像融合，得到場景圖像；

步驟S5：將所述干涉數據立方體的每幅干涉圖像中含有同一目標的不同級次的干涉圖像單元按照光程差順序進行圖像拼接，得到目標的干涉圖像序列；

步驟S6：對所述干涉圖像序列進行傅里葉變換，得到目標的重建光譜。

2.根據權利要求1所述的基于多級階梯微反射鏡的IFTS的圖譜處理方法，其特征在于，

采用極坐標Hough變換邊緣檢測方法對所述有效邊緣信息增強圖像進行邊緣檢測。

3.根據權利要求1所述的基于多級階梯微反射鏡的IFTS的圖譜處理方法，其特征在于，步驟S6包括以下步驟：

步驟S6-1：對所述干涉圖像序列進行降維，得到一維干涉強度序列；

步驟S6-2：對所述一維干涉強度序列進行基線校正；

步驟S6-3：對基線校正后的一維干涉強度序列進行切趾；

步驟S6-4：對切趾后的一維干涉強度序列進行非均勻性采樣校正；

步驟S6-5：對非均勻性采樣校正后的一維干涉強度序列進行傅里葉變換，得到目標的重建光譜。