[发明专利]一种基于深度学习光谱编解码的光谱成像系统

权利要求书

1.一种基于深度学习光谱编解码的光谱成像系统，其特征在于，包括像元级随机滤光片阵列和光强探测器，像元级随机滤光片阵列的随机滤光片和光强探测器的像元一一对应设置，光强探测器连接光谱重构网络；入射到像元级随机滤光片阵列上的光经过像元级随机滤光片阵列滤光后入射到光强探测器，光强探测器将探测结果输入到光谱重构网络，经过光谱重构网络得到光谱重构图像。

2.如权利要求1所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，所述像元级随机滤光片阵列和光强探测器构成面阵光谱成像探测器。

3.如权利要求1所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，光谱重构网络包括第一分辨率重构网络、第二分辨率重构网络、第三分辨率重构网络。

4.如权利要求3所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，像元级随机滤光片阵列的具有16种随机滤光片。

5.如权利要求3所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，所述面阵光谱成像探测器为4×4光谱探测单元构成的阵列，4×4光谱探测单元中随机滤光片的阵列编码单元包括三种类型，所述阵列编码单元中的随机滤光片的种类不同，类型一为：4×4光谱探测单元包括4组2×2阵列编码单元，类型二为：4×4光谱探测单元包括3×3阵列编码单元，类型三为：4×4光谱探测单元包括1组4×4阵列编码单元。

6.如权利要求5所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，所述第一分辨率重构网络、第二分辨率重构网络、第三分辨率重构网络通过并行训练获得。

7.如权利要求6所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，并行执行第一分辨率重构网络、第二分辨率重构网络和第三分辨率重构网络的训练，共用16种随机滤光片结构参数，以均方误差加权和为损失值，计算损失函数对光谱重构网络参数的梯度，反向传播调整光谱重构网络参数和16种随机滤光片结构参数。

8.如权利要求7所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，所述第一分辨率重构网络、第二分辨率重构网络和第三分辨率重构网络的训练过程均为：根据空间相邻像素的光谱相似性，按像素将原始光谱数据S_ORI划分成A×A像素阵列，将每个A×A像素阵列中的每个像素点进行光谱叠加，得到组合A×A个像元的光谱数据，然后输入第M分辨率重构网络，输出第M分辨率重构网络与原始光谱数据S_ORI的下采样的拟合结果，或者输出第M分辨率重构数据与原始光谱数据S_ORI的拟合结果；所述A＝2时，M为一；A＝3时，M为二；A＝4时，M为三。

9.如权利要求6所述的一种基于深度学习光谱编解码的光谱成像系统，其特征在于，所述光谱重构网络优化表达为：

T_[n]＝TF(P_[n]),n＝1,…,16；

/

式中，T_[n]表示随机滤光片n的透过率，α₁、α₂和α₃分别为2×2阵列光谱重构网络、3×3阵列光谱重构网络和4×4阵列光谱重构网络损失权重，用于调整重点训练的网络，TF表示随机滤光片透过率计算函数，P_[n]表示随机滤光片结构参数，表示重排后编号为n₁至编号为n_m的随机滤光片透过率列向量组成的光谱编码矩阵，n₁和n_m为随机滤光片的编号，n₁＜n_m，S_ORI[j]表示原始光谱数据分块后的第j个像元，j取值n₁-n_m，/表示2×2阵列光谱重构网络参数，/表示3×3阵列光谱重构网络参数，/表示4×4阵列光谱重构网络参数，R(ω)为并行网络正则项。/