[发明专利]一种光谱图像的构建方法、装置、设备和存储介质

说明书

本申请提供一种光谱图像的构建方法、装置、设备和存储介质，所述方法，包括：获取待处理光谱图像和所述待处理光谱图像对应的彩色图像；对所述待处理光谱图像进行预处理，得到预处理光谱图像；将所述预处理光谱图像和所述彩色图像输入特征学习器进行多层特征学习处理，得到目标光谱图像，所述多层特征学习处理包括多个深层特征学习处理和多个浅层特征学习处理。上述光谱图像构建方法、装置、设备和存储介质，充分挖掘彩色图像由深层到浅层的所有特征，实现快速重建高精度的高分辨率高光谱图像。

技术领域

本申请涉及图像处理领域，具体而言，涉及一种光谱图像的构建方法、装置、设备和存储介质。

背景技术

现有的图像融合方法可分为传统物理模型方法和深度学习法。传统物理模型通过研究RGB相机与高光谱成像仪的成像原理进行建模，提取高分辨率RGB图像的空间结构信息与低分辨率高光谱图像的光谱信息，基于建立的物理模型进行融合。但是在实际应用中，由于现实世界和成像设备的复杂性，在建模时考虑到所有影响因素是非常困难的，并且大部分基于图像融合的传统模型算法都具有超参数，且其重建精度对超参数敏感。

深度学习的方法则是通过卷积神经网络以高分辨率RGB图像为模板，学习低分辨率高光谱图像与高分辨率高光谱图像之间的残差，以补全低分辨率高光谱图像的结构边缘信息。但是深度学习的方法需要大量的算力和数据支撑，并且不同的数据集之间其网络参数需要重新调节训练。

因此，采用传统物理模型和深度学习的方法进行图像融合的过程复杂，并且难以实现快速重建高精度的高分辨率高光谱图像。

发明内容

本申请实施例的目的在于提供一种光谱图像的构建方法、装置、设备和存储介质，用以解决现有技术存在的问题，实现快速重建高分辨率高光谱图像。

第一方面，提供了一种光谱图像的构建方法，包括：

获取待处理光谱图像和所述待处理光谱图像对应的彩色图像；

对所述待处理光谱图像进行预处理，得到预处理光谱图像；

将所述预处理光谱图像和所述彩色图像输入特征学习器进行多层特征学习处理，得到目标光谱图像，所述多层特征学习处理包括多个深层特征学习处理和多个浅层特征学习处理。

上述构建方法，通过获取待处理光谱图像和待处理光谱图像对应的彩色图像，对待处理光谱图像进行预处理后，得到预处理光谱图像，并对预处理光谱图像和彩色图像输入特征学习器进行多层特征学习处理，最终得到目标光谱图像，此种光谱图像的构建方法不需要大量的数据集支撑和训练，充分挖掘彩色图像由深层到浅层的所有特征，可以实现快速重建高精度的高分辨率高光谱图像。

在一个实施例中，所述将所述预处理光谱图像和所述彩色图像输入特征学习器进行多层特征学习处理，得到目标光谱图像，包括：

将所述预处理光谱图像和所述彩色图像输入特征学习器进行深层特征迭代处理，得到深层光谱图像；

将所述深层光谱图像和所述彩色图像输入特征学习器进行浅层特征迭代处理，得到目标光谱图像。

上述实施例，先在特征学习器中进行深层特征迭代处理，再通过深层特征学习器进行浅层特征迭代处理，使预处理光谱图像依次学习彩色图像的深层语义信息和浅层纹理信息，最终得到目标光谱图像。

在一个实施例中，所述特征学习器包括光谱特征提取单元、彩色特征提取单元和误差计算单元；

所述将所述预处理光谱图像和所述彩色图像输入特征学习器进行深层特征迭代处理，得到深层光谱图像，包括：

将中间深层光谱图像输入光谱特征提取单元进行第N层特征的第M次提取，得到第N层特征对应的第M次光谱特征，在第一次迭代时，所述中间深层光谱图像为所述预处理光谱图像；