[发明专利]一种用于旋转衍射的多光谱图像重建方法

权利要求书

1.一种用于旋转衍射的多光谱图像重建方法，其特征在于，包含以下步骤：

S1：获取旋转衍射多光谱图像数据集，旋转衍射多光谱图像数据集由旋转衍射模糊图像以及对应的高光谱真实图像组成；

S2：搭建用于光谱图像重建的卷积神经网络，卷积神经网络包括编码部分、解码部分和光谱上采样残差连接部分；卷积神经网络的输入分别输入到编码部分和光谱上采样残差连接部分中，编码部分的输出输入到解码部分，解码部分的输出与光谱上采样残差连接部分的输出进行按元素相加后的输出作为卷积神经网络的输出；

S3：将S1中旋转衍射多光谱图像数据集输入S2中的卷积神经网络并对卷积神经网络进行训练，获得训练好的卷积神经网络；

S4：将待重建旋转衍射模糊图像输入训练好的卷积神经网络中，训练好的卷积神经网络输出重建高光谱图像。

2.根据权利要求1所述的一种用于旋转衍射的多光谱图像重建方法，其特征在于，所述S1中旋转衍射多光谱图像数据集的获取方法包括：

利用基于位移台的旋转衍射数据集拍摄系统采集多组旋转衍射模糊图像以及对应的高光谱真实图像，从而构成旋转衍射多光谱图像数据集；

或者利用已知高光谱真实图像数据集和旋转衍射高光谱成像系统的点扩散函数计算生成旋转衍射模糊图像，由已知高光谱真实图像数据集和对应的旋转衍射模糊图像组成旋转衍射多光谱图像数据集。

3.根据权利要求1所述的一种用于旋转衍射的多光谱图像重建方法，其特征在于，所述编码部分包括五个残差卷积块和四个下采样层，编码部分的输入输入到第一残差卷积块，第一残差卷积块依次经第一下采样层、第二残差卷积块、第二下采样层、第三残差卷积块、第三下采样层、第四残差卷积块和第四下采样层后与第二残差卷积块相连，第一残差卷积块的输出作为编码部分的第一输出，第二残差卷积块的输出作为编码部分的第二输出，第三残差卷积块的输出作为编码部分的第三输出，第四残差卷积块的输出作为编码部分的第四输出，第五残差卷积块的输出作为编码部分的第五输出，编码部分的第一-五输出分别依次输入到解码部分的第一-五输入。

4.根据权利要求1所述的一种用于旋转衍射的多光谱图像重建方法，其特征在于，所述解码部分包括四个转置卷积层、四个残差卷积块和第一2D卷积层，

解码部分的第五输入输入到第一转置卷积层，第一转置卷积层的输出与解码部分的第四输入进行级联后的输出输入到第六残差卷积块，第六残差卷积块的输出与第二转置卷积层相连，第二转置卷积层的输出与解码部分的第三输入进行级联后的输出输入到第七残差卷积块，第七残差卷积块的输出与第三转置卷积层相连，第三转置卷积层的输出与解码部分的第二输入进行级联后的输出输入到第八残差卷积块，第八残差卷积块的输出与第四转置卷积层相连，第四转置卷积层的输出与解码部分的第一输入进行级联后的输出输入到第九残差卷积块，第九残差卷积块的输出与第一2D卷积层相连，第一2D卷积层的输出作为解码部分的输出。

5.根据权利要求1所述的一种用于旋转衍射的多光谱图像重建方法，其特征在于，所述光谱上采样残差连接部分包括光谱上采样残差模块，光谱上采样残差连接部分的输入和输出分别为光谱上采样残差模块的输入和输出。

6.根据权利要求3或4所述的一种用于旋转衍射的多光谱图像重建方法，其特征在于，所述残差卷积块包括3个2D卷积层、3个批归一化层、2个激活层和SE注意力模块，残差卷积块的输入分别输入到第三2D卷积层和第四2D卷积层中，第三2D卷积层依次经第一激活层、第一批归一化层和第五2D卷积层的输出作为注意力输入特征，注意力输入特征输入到SE注意力模块后的输出再与注意力输入特征进行按通道相乘后的输出作为中间特征，第四2D卷积层经第二批归一化层后输出与中间特征进行按元素相加后的输出输入到第二激活层，第二激活层经第三批归一化层的输出作为残差卷积块的输出。