[发明专利]一种基于深度学习光谱编解码的光谱成像系统

说明书

本发明公开了一种基于深度学习光谱编解码的光谱成像系统，涉及光谱成像技术领域，解决了现有系统结构复杂、体积庞大等问题。系统包括像元级随机滤光片阵列和光强探测器，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，经过光谱重构网络的处理得到光谱重构图像。本发明具有结构简单、体积小、高空间‑光谱分辨率、光谱能量利用率高、分光谱段达像元级、光谱图像畸变小、高信噪比、小数据量存储与传输、结构简单及体积小巧等优点。

技术领域

本发明涉及光谱成像技术领域，具体涉及一种基于深度学习光谱编解码的光谱成像系统。

背景技术

光谱成像系统是在扫描成像原理的基础上，将成像辐射的波段划分成更狭窄的多个波段同时成像，从而获得同一景物的多个光谱波段的图像。

传统光谱成像分辨率的改变通过可调谐滤波器和空间光调制器实现，这些插入器件导致光谱成像系统结构复杂、体积庞大。此外，棱镜、光栅、滤波器等窄带分光器件存在光谱能量利用率低、分光谱段少、光谱图像畸变大等问题。

发明内容

为了解决上述问题，本发明提供一种基于深度学习光谱编解码的光谱成像系统。

本发明为解决技术问题所采用的技术方案如下：

一种基于深度学习光谱编解码的光谱成像系统，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。

本发明的有益效果是：

本发明利用随机滤光片阵列完成光谱信息的压缩编码采集，通过光谱重构网络重构图像，无庞大沉重的分光结构，具有结构简单、体积小、高空间-光谱分辨率、光谱能量利用率高、光谱图像畸变小、高信噪比、小数据量存储与传输、结构简单及体积小巧等优点，可实现高精度、低延时的空间-光谱分辨率动态变换的高光谱成像，使得高光谱成像的分辨率具备随应用场景弹性转换能力，可应用于航空航天遥感探测侦察等领域。

附图说明

图1为本发明深度学习光谱编解码原理；

图2为本发明阵列编码单元与分辨率的变换关系图；

图3为本发明光谱重构网络的训练过程框图；

图4为本发明的光谱成像系统示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

一种基于深度学习光谱编解码的光谱成像系统，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的光束能够经过像元级随机滤光片阵列滤光后入射到光强探测器得到探测结果，光强探测器能够将探测结果输入到光谱重构网络，所述探测结果经过光谱重构网络能够对光谱进行重构计算得到光谱重构图像。

上述光谱成像系统还包括变分辨率光学系统，变分辨率光学系统、像元级随机滤光片阵列和光强探测器顺次设置，目标物体的反射光能够经过变分辨率光学系统透射后入射到像元级随机滤光片阵列上。