[發明專利]一種深度學習型快照式光譜成像裝置及其探測方法

有效

• 申請號: 202010746979.2
• 申請日: 2020-07-29
• 公開（公告）號: CN112113661B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 穆廷魁
• 申請（專利權）人: 西安交通大學
• 主分類號: G01J3/28
• 分類號: G01J3/28;G01J3/02;G06N3/04;G06N3/08;G06N5/04
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 馬貴香

本發明公開了一種深度學習型快照式光譜成像裝置及其探測方法，裝置包括：沿入射光向依次設置的偏振干涉濾光陣列、透鏡陣列、探測器和數據采集處理顯示系統；偏振干涉濾光陣列包括：沿入射光向依次設置的線起偏器、延遲器陣列和線分析器；其中，延遲器陣列中每個子延遲器的厚度不同，快軸方向均相同；線起偏器與線分析器的透振方向相同，并與延遲器陣列的快軸方向成45°夾角；探測器的感光面位于透鏡陣列的后焦面上；探測器與數據采集處理顯示系統相連接；數據采集處理顯示系統用于控制探測器快照一幀攜帶偏振干涉編碼的子圖像陣列。本發明同時具有結構簡單超緊湊、經濟實惠、時效性高、分辨率高、性能同步提升等優點。

技術領域

本發明屬于光學遙感探測技術領域，涉及用于光譜輻射探測的光譜成像裝置及其探測方法，特別涉及一種深度學習型快照式光譜成像裝置及其探測方法。

背景技術

物體輻射的電磁波中含有隨空間位置變化的光譜信息，可用于反演目標的形態及物理化學等特性。光譜成像技術是一種同時獲取二維空間目標光譜信息的前沿遙感技術，對提高目標探測、識別及分類的效率和精準度具有一定潛力，在軍事偵察、地球資源普查、環境衛生監測、自然災害預報、大氣探測、天文觀測、機器視覺仿生、生物醫學診斷等諸多領域都將具有重要的應用價值和前景。

光譜成像技術按獲取二維光譜信息的時間分辨率來分，可分為時序式和快照式兩大類。當前，大多數光譜成像技術都采用時序掃描方式(如畫幅式、推掃式、或窗掃式)，需從不同時刻按一定規則掃描獲取的多幀圖像中提取并重組空間目標的二維光譜圖像。時序式技術不適于動態或快速變化目標，大氣或周圍環境的不穩定性也會影響成像質量，也難搭載于抖動較大或機動性較大的平臺，易出現多維信息失配和混淆現象，造成圖譜不一致等后期應用問題。

相比之下，快照式光譜成像技術可在單次曝光時間內獲取空間目標的二維光譜圖像，具有快速實時探測優勢，不僅能提高工作時效性，還可有效避免序列測量時因環境變化而帶來的影響，因此快照式光譜成像技術是當前和未來發展的主要方向，具有重要的應用潛力。

快照式光譜成像技術按照成像模式可分為：直接光譜成像型和計算光譜成像型兩種。

直接光譜成像型主要是指光學系統獲取的數據是所見即所得的，可以直接提供光譜圖像，或者僅需要簡單的數據重組過程。該類技術主要包括積分視場光譜成像技術，濾光片陣列分孔徑成像技術，濾光片陣列分焦平面成像技術，及線性漸變濾光片技術等。直接光譜成像型一直存在成像空間范圍、空間分辨率、光譜范圍和光譜分辨率等多參數間的相互制約的瓶頸問題，難以同步提升所有性能參數，需根據應用場景設計參數指標，應用靈活度受限。此外，直接光譜成像型在數據采集時往往遵守奈奎斯特采樣定理，導致數據采集量大，傳輸速率受限等問題。

計算光譜成像型主要是指光學系統獲取的數據是所見非所得的，需經后期重建算法處理方可得到最終的光譜圖像。該類技術主要涉及計算層析光譜成像技術、壓縮感知光譜成像技術等。計算層析光譜成像技術主要基于Radon變換算法，有錐失現象，空間分辨率較低。基于壓縮感知的編碼孔徑光譜成像(或稱壓縮光譜成像)是計算重建型的一個典型代表，已成為高光譜成像領域的一大研究重點和熱點。它利用編碼孔徑多復元技術，同時對空間維和光譜維進行混合編碼，在信息采集時無需滿足奈奎斯特定則(即欠定采樣)，數據采集量少，后續根據成像物理模型和壓縮感知原理，可重建出高光譜圖像。重建算法包括約束的凸優化、非凸優化、迭代閾值收縮等。但壓縮感知模型驅動的計算重建型存在一些瓶頸問題：重構繁重耗時，速度慢，重建大視場高分辨光譜圖像立方體需要數小時，時效性低；且算法參數需要人工干預，魯棒性不足，對空間場景較為靈敏，重建高光譜圖像的質量易隨場景變化。