[發明專利]多光譜圖像校正方法、裝置、設備及存儲介質

在審

• 申請號: 202211064963.9
• 申請日: 2022-09-01
• 公開（公告）號: CN115511729A
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 劉敏;龔冰冰;鄧可旺;羅鑫;師少光
• 申請（專利權）人: 奧比中光科技集團股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 丁月蓉

本申請適用于圖像處理技術領域，提供了一種多光譜圖像校正方法、裝置、設備及存儲介質，該方法首先提取目標多光譜圖像中所有通道的光譜數據，并獲取所有通道的光譜數據的高亮區域，然后從光譜數據庫中匹配到所有通道的光譜數據的高亮區域對應的所有通道的參考光譜數據，根據所有通道的參考光譜數據計算得到校正系數集，并根據校正系數集和所有通道的光譜數據得到校正后的目標多光譜圖像。由此，通過匹配光譜數據庫內的光譜數據，得到更為精準的參考光譜數據，基于參考光譜數據對原來的多光譜數據進行校正，利用校正后的多光譜數據訓練出來的模型對不同光源的魯棒性較強。

技術領域

本申請屬于圖像處理技術領域，尤其涉及一種多光譜圖像校正方法、裝置、設備及存儲介質。

背景技術

在多光譜圖像采集的過程中，一般會打主動光源，例如設備自動補光，此時光源包括主動光源和環境光源。原始多光譜圖像會隨著光源的變化而變化，如果直接將原始多光譜圖像輸入至深度學習網絡中訓練，訓練得到的模型對不同光源的魯棒性較差。

發明內容

本申請實施例提供了一種多光譜圖像校正方法、裝置、設備及存儲介質，可以解決直接將原始多光譜圖像輸入至深度學習網絡中訓練，訓練得到的模型對不同光源的魯棒性較差的問題。

本申請實施例的第一方面提供了一種多光譜圖像校正方法，包括：提取目標多光譜圖像中所有通道的光譜數據；獲取所有通道的光譜數據的高亮區域；從光譜數據庫中匹配到所有通道的光譜數據的高亮區域對應的所有通道的參考光譜數據；根據所有通道的參考光譜數據計算得到校正系數集，并根據校正系數集和所有通道的光譜數據得到校正后的目標多光譜圖像。

在一些實施例中，獲取所有通道的光譜數據的高亮區域，包括：從所有通道的光譜數據中選擇像素均值最大的通道的光譜數據作為樣本通道的光譜數據；獲得樣本通道的光譜數據對應的高亮像素區域，并基于樣本通道的光譜數據對應的高亮像素區域確定所有通道的光譜數據中其它通道的光譜數據對應的高亮像素區域。其中，獲得樣本通道的光譜數據對應的高亮像素區域，包括：根據樣本通道的光譜數據中各個像素點的像素值和預設的過曝閾值確定樣本通道的光譜數據中的過曝像素點；將樣本通道的光譜數據中所有過曝像素點的像素值置零，生成樣本通道的去過曝光譜數據；根據樣本通道的去過曝光譜數據中每個像素點的像素值及預設的高亮區域比例，確定樣本通道的光譜數據對應的高亮像素區域。其中，根據樣本通道的光譜數據中各個像素點的像素值和預設的過曝閾值確定樣本通道的光譜數據中包含的過曝像素點，包括：將樣本通道的光譜數據中各個像素點的像素值大于預設的過曝閾值的像素點，確定為樣本通道的光譜數據中的過曝像素點。

在一些實施例中，從光譜數據庫中匹配到所有通道的光譜數據的高亮區域對應的所有通道的參考光譜數據，包括：獲得所有通道的光譜數據的高亮區域的像素均值；根據每一通道的像素均值，從光譜數據庫中找到與所有通道的光譜數據的高亮區域的像素均值最接近的光譜數據作為所有通道的參考光譜數據。根據所有通道的參考光譜數據計算得到校正系數集，并根據校正系數集和所有通道的光譜數據得到校正后的目標多光譜圖像，包括：根據所有通道的參考光譜數據計算得到所有通道的平均參考光譜數據；將所有通道中每個通道的參考光譜數據與所有通道的平均參考光譜數據的比值，確定為所有通道中每個通道對應的校正系數集；基于所有通道中每個通道對應的校正系數集對所有通道的光譜數據進行校正，得到校正后的目標多光譜圖像。

在一種實施例中，提取目標多光譜數據中的所有通道的光譜數據之前，還包括：獲得原始多光譜圖像；從原始多光譜圖像中提取預設區域內的多光譜圖像，作為目標多光譜圖像。

本申請實施例的第二方面提供了一種多光譜數據校正裝置，包括：光譜數據提取模塊，用于提取目標多光譜圖像中所有通道的光譜數據；高亮區域獲取模塊，用于獲取所有通道的光譜數據的高亮區域；參考光譜數據確定模塊，用于從光譜數據庫中匹配到所有通道的光譜數據的高亮區域對應的所有通道的參考光譜數據；圖像校正模塊，用于根據所有通道的參考光譜數據計算得到校正系數集，并根據校正系數集和所有通道的光譜數據得到校正后的目標多光譜圖像。