CN112539837B - 一种光谱计算重构方法、计算机设备及可读存储介质 - Google Patents

一种光谱计算重构方法、计算机设备及可读存储介质 Download PDF

Info

Publication number
CN112539837B
CN112539837B CN202011328845.5A CN202011328845A CN112539837B CN 112539837 B CN112539837 B CN 112539837B CN 202011328845 A CN202011328845 A CN 202011328845A CN 112539837 B CN112539837 B CN 112539837B
Authority
CN
China
Prior art keywords
curve
integral curve
channel
camera
integral
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011328845.5A
Other languages
English (en)
Other versions
CN112539837A (zh
Inventor
赵巨峰
郁嘉恺
吴超
崔光茫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202011328845.5A priority Critical patent/CN112539837B/zh
Publication of CN112539837A publication Critical patent/CN112539837A/zh
Application granted granted Critical
Publication of CN112539837B publication Critical patent/CN112539837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer
    • G01J2003/2826—Multispectral imaging, e.g. filter imaging

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Color Television Image Signal Generators (AREA)

Abstract

本发明公开了一种光谱计算重构方法、计算机设备及可读存储介质，涉及光谱计算技术领域。本发明所提供的技术方案，用以对离散光谱响应曲线进行连续化计算重构，包括如下步骤：建立滤光轮双相机多光谱成像系统，包括灰度相机和RGB相机，对RGB相机中存有的积分曲线进行验证；针对同一场景下的目标物，灰度相机采集多光谱图像，RGB相机采集RGB图像，且采集范围相同；根据多光谱图像获取离散光谱响应曲线，根据离散光谱响应曲线的离散点、RGB图像、以及经过验证的积分曲线计算重构出离散光谱响应曲线中未知光谱值对应的光谱响应值。本发明所提供的方法适用于对离散光谱响应曲线进行高效准确的连续化计算重构，计算重构效果好、重构准确度高。

Description

一种光谱计算重构方法、计算机设备及可读存储介质
【技术领域】
本发明涉及光谱计算技术领域，具体涉及一种光谱计算重构方法、计算机设备及可读存储介质。
【背景技术】
传统意义上的相机基于人眼的认知原理，通过成像传感器的不同的颜色积分曲线取捕捉场景的RGB三通道信息。但是自然场景下，人眼能看到的光线具有完整的光谱，如果只是捕捉到了RGB三通道的信息，就会失去光谱维度上的大量细节。
光谱成像技术发展至今，诞生了很多光谱采集系统，例如基于编码光圈的CASSI系统(例如Wagadarikar Ashwin A,Pitsianis Nikos P,Sun Xiaobai,et al.Video ratespectral imaging using a coded aperture snapshot spectral imager..2009,17(8):6368-88.)、基于棱镜掩膜的PMVIS系统(例如Cao Xun,Du Hao,Tong Xin,et al.A Prism-Mask System for Multispectral Video Acquisition..2011,33(12):2423-35.)、以及滤光轮系统等。滤光轮系统因其在获取光谱图像步骤中高效、准确的特点，得到广泛应用。现有的计算重构方法，例如清华大学戴琼海教授提出的基于主成分分析的多光谱信息计算重构方法，由连续的光谱响应曲线分析主成分，但是现有的计算重构方法很难适用于获取离散光谱响应曲线的滤光轮光谱采集装置。滤光轮由几片不同波段的滤光片组成，而各个滤光片的光谱波段是有限的，因此不可避免的，一方面应用滤光轮系统得到的光谱响应曲线是离散的，从而导致利用滤光轮系统进行光谱研究的局限性较大；另外，仅仅通过算法手段而不应用辅助工具的情况下进行光谱的计算重构，存在较大的误差。虽然RGB相机的R通道积分曲线、G通道积分曲线、B通道积分曲线具有连续性，但若只根据RGB相机三个通道的积分曲线重构光谱响应曲线，则会导致计算重构没有实际值的约束，重构的准确性较差。
【发明内容】
为解决前述问题，本发明提供了一种光谱计算重构方法，适用于对离散光谱响应曲线进行高效准确的连续化计算重构，计算重构效果好、重构准确度高。
为了达到上述目的，本发明采用如下技术方案：
一种光谱计算重构方法，用以对离散光谱响应曲线进行连续化计算重构，包括如下步骤：
建立滤光轮双相机多光谱成像系统，所述滤光轮双相机多光谱成像系统包括灰度相机和RGB相机，所述RGB相机中存有积分曲线；
对RGB相机中存有的积分曲线进行验证，存有的积分曲线包括R通道积分曲线、G通道积分曲线和B通道积分曲线；
针对同一场景下的目标物，灰度相机采集多光谱图像，RGB相机采集RGB图像，且灰度相机与RGB相机采集范围相同；
根据多光谱图像获取离散光谱响应曲线，离散光谱响应曲线具有离散点，根据离散点、RGB图像、以及经过验证的积分曲线，计算重构出离散光谱响应曲线中未知光谱值对应的光谱响应值。
可选的，滤光轮双相机多光谱成像系统还包括滤光轮、分光镜以及若干滤光片，若干滤光片安装于所述滤光轮，所述滤光轮固定于所述灰度相机与目标物之间，所述分光镜固定于所述滤光轮与所述目标物之间，所述分光镜所在平面与所述滤光片所在平面具有40至50度夹角，光线摄入所述RGB相机的路径与光线摄入所述灰度相机的路径具有85至95度的夹角；
所述滤光轮旋转，切换位于所述灰度相机的镜头前的滤光片，位于所述灰度相机的镜头前的滤光片始终正对所述灰度相机的镜头。
可选的，对RGB相机中存有的积分曲线进行验证包括如下子步骤：
训练阶段，将训练集中的每个积分曲线分为R通道积分曲线、G通道积分曲线和B通道积分曲线，分别对R通道积分曲线、G通道积分曲线和B通道积分曲线使用字典学习方法求解稀疏字典；
使用阶段，利用基于棱镜掩膜的PMVIS系统获取低分辨率的光谱图像，并用RGB相机拍摄相同场景的高分辨率RGB图像；根据低分辨率的光谱图像、高分辨率的RGB图像以及训练阶段中对R通道积分曲线、G通道积分曲线和B通道积分曲线求解的稀疏字典，使用稀疏编码方法求解标准积分曲线；
验证阶段，用求解出的标准积分曲线验证RGB相机中存有的积分曲线。
可选的，采集多光谱图像时，滤光轮每切换一次位于所述灰度相机的镜头前的滤光片，所述灰度相机采集一个波段的光谱图像；多光谱图像与RGB图像的分辨率相同。
可选的，根据多光谱图像获取离散光谱响应曲线包括如下子步骤：
选取每张图像的(i,j)区域，其中，i∈[1,M],j∈[1,N]，M为分辨率的水平像素范围，N为分辨率的竖直像素范围；
计算离散光谱响应曲线，离散光谱响应曲线由n个离散点(wa，rea)组成，n为滤光片的数量，w为每个光谱图像对应的波长，re为每个波长对应的光谱响应值，a为光谱图像的序号，离散点与一个波段的光谱图像的(i,j)区域相对应。
可选的，计算重构出离散光谱响应曲线中未知光谱值对应的光谱响应值包括如下子步骤：
根据如下公式计算变换矩阵：
其中，X为变换矩阵，x、y、z为变换矩阵中的元素，r1、r2…ra为每个光谱图像所对应的波长在经过验证的积分曲线中R通道积分曲线的对应值；g1、g2…ga为每个光谱图像所对应的波长在经过验证的积分曲线中G通道积分曲线的对应值；b1、b2…ba为每个光谱图像所对应的波长在经过验证的积分曲线中B通道积分曲线的对应值；
根据如下公式计算存有的积分曲线中R通道积分曲线、G通道积分曲线和B通道积分曲线的积分区间：
其中，R为RGB图像在(i,j)区域内的通道值，0-R1纳米范围为存有的积分曲线中R通道积分曲线的积分区间，为存有的积分曲线中的R通道积分曲线；G为RGB图像在(i,j)区域内的通道值，0-G1纳米范围为存有的积分曲线中G通道积分曲线的积分区间，为存有的积分曲线中的G通道积分曲线；B为RGB图像在(i,j)区域内的通道值，0-B1纳米范围为存有的积分曲线中B通道积分曲线的积分区间，/>为存有的积分曲线中的B通道积分曲线；
取存有的积分曲线中R通道积分曲线在0-R1纳米范围内的曲线存有的积分曲线中G通道积分曲线在0-G1纳米范围内的曲线/>存有的积分曲线中B通道积分曲线在0-B1纳米范围内的曲线/>根据如下公式计算重构出离散光谱响应曲线中未知光谱值对应的光谱响应值：
其中，为离散光谱响应曲线中未知光谱值对应的光谱响应值。
本发明具有如下有益效果：现有的离散光谱响应曲线插值计算重构方法很难通过已知条件准确高效地获得完整的连续光谱响应曲线，本发明提出的基于滤光轮双相机系统的多光谱计算重构算法，能够利用RGB图像的信息，有效地提高插值计算重构的准确性。本发明将滤光轮光谱采集系统进行进一步优化，增强了滤光轮光谱采集系统在研究中的可行性。
基于同样的发明构思，本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的方法。
基于同样的发明构思，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法。
本发明的这些特点和优点将会在下面的具体实施方式以及附图中进行详细的揭露。本发明最佳的实施方式或手段将结合附图来详尽表现，但并非是对本发明技术方案的限制。另外，在每个下文和附图中出现的这些特征、要素和组件是具有多个，并且为了表示方便而标记了不同的符号或数字，但均表示相同或相似构造或功能的部件。
【附图说明】
下面结合附图对本发明作进一步说明：
图1为本发明实施例一中滤光轮双相机多光谱成像系统的示意图。
【具体实施方式】
下面结合本发明实施例的附图对本发明实施例的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。
在本说明书中引用的“一个实施例”或“实例”或“例子”意指结合实施例本身描述的特定特征、结构或特性可被包括在本专利公开的至少一个实施例中。短语“在一个实施例中”在说明书中的各位置的出现不必都是指同一个实施例。
实施例一：
本实施例提供了一种光谱计算重构方法，用以对离散光谱响应曲线进行连续化计算重构，包括如下步骤：
建立滤光轮双相机多光谱成像系统，如图1所示，滤光轮双相机多光谱成像系统包括灰度相机1、RGB相机2、滤光轮3、分光镜4以及若干滤光片31，若干滤光片31安装于滤光轮3，本实施例中，滤光片31设有6片，相对应的，滤光轮3设置6个滤光片位，如果采用其他数量的滤光片，则应在滤光轮3中设置相应数量的滤光片位。本实施例以6片滤光片为例对技术方案进行详细的阐述。
滤光片31与滤光轮3为共面位置安装，在其他实施例中，也可采用其他安装位置、安装方式，在此不再赘述。滤光轮3固定于灰度相机1与目标物5之间，分光镜4固定于滤光轮3与目标物5之间，目标物5可以是自然光照射下的物体也可以是实验室模拟日光光谱照射下的物体，在此不作限定。分光镜4所在平面与滤光片3所在平面具有40至50度夹角，本实施例优选采用45度，光线摄入RGB相机2的路径与光线摄入灰度相机1的路径具有85至95度的夹角，本实施例优选采用90度；滤光轮3旋转，切换位于灰度相机1镜头前的滤光片31，位于灰度相机1镜头前的滤光片31始终正对灰度相机1的镜头，即灰度相机1镜头中心与滤光片31中心在同一直线上。为保证切换滤光片31前后，位于灰度相机1镜头前的滤光片31始终保持正对灰度相机1的镜头，滤光轮3的安装位置应随滤光片31与滤光轮3的安装位置的不同进行适应性调整。
RGB相机1中存有积分曲线，完成滤光轮双相机多光谱成像系统的建立后，对RGB相机1中存有的积分曲线进行验证，确保光谱计算重构的准确性。存有的积分曲线包括R通道积分曲线、G通道积分曲线和B通道积分曲线；验证包括如下子步骤：
训练阶段，将训练集中的每个积分曲线分为R通道积分曲线、G通道积分曲线和B通道积分曲线，分别对R通道积分曲线、G通道积分曲线和B通道积分曲线使用字典学习方法求解稀疏字典；
使用阶段，利用相对成熟的基于棱镜掩膜的PMVIS系统获取低分辨率的光谱图像，并用RGB相机1拍摄相同场景的高分辨率RGB图像；根据低分辨率的光谱图像、高分辨率的RGB图像以及训练阶段中对R通道积分曲线、G通道积分曲线和B通道积分曲线求解的稀疏字典，使用稀疏编码方法求解标准积分曲线；
验证阶段，用求解出的标准积分曲线验证RGB相机1中存有的积分曲线。
完成对于存有的积分曲线进行的验证后，针对同一场景下的目标物，灰度相机采集多光谱图像，RGB相机采集RGB图像，且灰度相机与RGB相机采集范围相同。采集多光谱图像时，滤光轮3每切换一次位于灰度相机1镜头前的滤光片31，灰度相机1采集一个波段的光谱图像，本实施例采用六片滤光片，因此采集六个不同波段的光谱图像，多光谱图像与RGB图像的分辨率相同，均为M×N。
然后根据多光谱图像获取离散光谱响应曲线，包括如下子步骤：
选取每张图像的(i,j)区域，其中，i∈[1,M],j∈[1,N]，M为分辨率的水平像素范围，N为分辨率的竖直像素范围；
计算离散光谱响应曲线，离散光谱响应曲线的横轴为波长，单位是纳米；纵轴为相对响应强度，值为百分数，是能量归一化后的结果。对于离散光谱响应曲线的计算为现有技术中的通用计算方式，在此不再赘述。离散光谱响应曲线具有离散点，由n个离散点(wa，rea)组成，n为滤光片31的数量，w为每个光谱图像对应的波长，re为每个波长对应的光谱响应值，a为光谱图像的序号，本实施例采用六片滤光片，因此离散点具有6个，a取值为1至6，分别为(w1,re1)、(w2 re2)、(w3,re3)、(w4,re4)、(w5,re5)、(w6,re6)，re1、re2、re3、re4、re5、re6分别表示波长为w1、w2、w3、w4、w5、w6的六个光谱图像对应的光谱响应值，每一个离散点与一个波段的光谱图像的(i,j)区域相对应。建立光谱响应曲线与GRB相机1的R、G、B三个通道积分曲线的对应关系是进行光谱响应曲线连续化计算重构的关键。
根据离散点、RGB图像、以及经过验证的积分曲线，计算重构出离散光谱响应曲线中未知光谱值对应的光谱响应值，包括如下子步骤：
根据如下公式计算变换矩阵：
其中，X为变换矩阵，x、y、z为变换矩阵中的元素，r1、r2…ra为每个光谱图像所对应的波长在经过验证的积分曲线中R通道积分曲线的对应值，由R通道积分曲线直接读取；g1、g2…ga为每个光谱图像所对应的波长在经过验证的积分曲线中G通道积分曲线的对应值，由G通道积分曲线直接读取；b1、b2…ba为每个光谱图像所对应的波长在经过验证的积分曲线中B通道积分曲线的对应值，由B通道积分曲线直接读取；
具体到本实施例中，w1、w2、w3、w4、w5、w6的六个光谱图像对应的光谱响应值可表示为：
根据6个已知的光谱响应值re1、re2、re3、re4、re5、re6以及对应的已知r1、r2、r3、r4、r5、r6、g1、g2、g3、g4、g5、g6、b1、b2、b3、b4、b5、b6得到
记矩阵/>矩阵/>矩阵/>
定义损失函数S(X)计算公式为：其中C(a)表示实际值，C(1)-C(6)分别对应re1-re6，/>表示理论值，并有：/>a＝1,2,3,4,5,6。损失函数经过推导，得到以下变形式：S(X)＝(C-AX)T(C-AX)＝CTC-2XTATC+XTATAX，对损失函数S(X)求偏微分：/>求解当损失函数的值最小时，即时，变换矩阵X的解，此时有：X＝(ATA)-1AC，即求得了变换矩阵的最优解，即：
存有的积分曲线中R通道积分曲线、G通道积分曲线和B通道积分曲线与光谱响应曲线有意义相同的横坐标、纵坐标，获得存有的积分曲线中R通道积分曲线、G通道积分曲线和B通道积分曲线与光谱响应曲线之间的变换关系，即可高效计算重构出连续的光谱响应曲线。
因此，根据如下公式，通过逆运算，计算存有的积分曲线中R通道积分曲线、G通道积分曲线和B通道积分曲线的积分区间：
其中，R为RGB图像在(i,j)区域内的通道值，由RGB图像直接读取，0-R1纳米范围为存有的积分曲线中R通道积分曲线的积分区间，为存有的积分曲线中的R通道积分曲线；G为RGB图像在(i,j)区域内的通道值，由RGB图像直接读取，0-G1纳米范围为存有的积分曲线中G通道积分曲线的积分区间，/>为存有的积分曲线中的G通道积分曲线；B为RGB图像在(i,j)区域内的通道值，由RGB图像直接读取，0-B1纳米范围为存有的积分曲线中B通道积分曲线的积分区间，/>为存有的积分曲线中的B通道积分曲线；
取存有的积分曲线中R通道积分曲线在0-R1纳米范围内的曲线存有的积分曲线中G通道积分曲线在0-G1纳米范围内的曲线/>存有的积分曲线中B通道积分曲线在0-B1纳米范围内的曲线/>根据如下公式计算重构出离散光谱响应曲线中未知光谱值对应的光谱响应值：
其中，为离散光谱响应曲线中未知光谱值对应的光谱响应值。
将求出的各个未知光谱值对应的光谱响应值连成曲线，即为(i,j)区域对应的连续光谱响应曲线。
本实施例所提供的基于滤光轮双相机系统的多光谱计算重构算法，能够利用RGB图像的信息，有效地提高插值计算重构的准确性。本发明将滤光轮光谱采集系统进行进一步优化，增强了滤光轮光谱采集系统在研究中的可行性。
实施例二
本实施例提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现如上的任意实施例中的方法。本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。据此，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可实现上述任意一项实施例的方法。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)以及存储器总线动态RAM(RDRAM)等。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。

Claims (6)

1.一种光谱计算重构方法，用以对离散光谱响应曲线进行连续化计算重构，其特征在于，所述光谱计算重构方法包括如下步骤：
建立滤光轮双相机多光谱成像系统，所述滤光轮双相机多光谱成像系统包括灰度相机和RGB相机，所述RGB相机中存有积分曲线；
对RGB相机中存有的积分曲线进行验证，存有的积分曲线包括R通道积分曲线、G通道积分曲线和B通道积分曲线；
对RGB相机中存有的积分曲线进行验证包括如下子步骤：
训练阶段，将训练集中的每个积分曲线分为R通道积分曲线、G通道积分曲线和B通道积分曲线，分别对R通道积分曲线、G通道积分曲线和B通道积分曲线使用字典学习方法求解稀疏字典；
使用阶段，利用基于棱镜掩膜的PMVIS系统获取低分辨率的光谱图像，并用RGB相机拍摄相同场景的高分辨率RGB图像；根据低分辨率的光谱图像、高分辨率的RGB图像以及训练阶段中对R通道积分曲线、G通道积分曲线和B通道积分曲线求解的稀疏字典，使用稀疏编码方法求解标准积分曲线；
验证阶段，用求解出的标准积分曲线验证RGB相机中存有的积分曲线；
针对同一场景下的目标物，灰度相机采集多光谱图像，RGB相机采集RGB图像，且灰度相机与RGB相机采集范围相同；
根据多光谱图像获取离散光谱响应曲线，离散光谱响应曲线具有离散点，根据离散点、RGB图像、以及经过验证的积分曲线，计算重构出离散光谱响应曲线中未知光谱值对应的光谱响应值；
计算重构出离散光谱响应曲线中未知光谱值对应的光谱响应值包括如下子步骤：
根据如下公式计算变换矩阵：
其中，X为变换矩阵，x、y、z、为变换矩阵中的元素，r1、r2…ra为每个光谱图像所对应的波长在经过验证的积分曲线中R通道积分曲线的对应值；g1、g2…ga为每个光谱图像所对应的波长在经过验证的积分曲线中G通道积分曲线的对应值；b1、b2…ba为每个光谱图像所对应的波长在经过验证的积分曲线中B通道积分曲线的对应值；
根据如下公式计算存有的积分曲线中R通道积分曲线、G通道积分曲线和B通道积分曲线的积分区间：
其中，R为RGB图像在(i,j)区域内的通道值，0-R1纳米范围为存有的积分曲线中R通道积分曲线的积分区间，为存有的积分曲线中的R通道积分曲线；G为RGB图像在(i,j)区域内的通道值，0-G1纳米范围为存有的积分曲线中G通道积分曲线的积分区间，为存有的积分曲线中的G通道积分曲线；B为RGB图像在(i,j)区域内的通道值，0-B1纳米范围为存有的积分曲线中B通道积分曲线的积分区间，/>为存有的积分曲线中的B通道积分曲线；
取存有的积分曲线中R通道积分曲线在0-R1纳米范围内的曲线存有的积分曲线中G通道积分曲线在0-G1纳米范围内的曲线/>存有的积分曲线中B通道积分曲线在0-B1纳米范围内的曲线/>根据如下公式计算重构出离散光谱响应曲线中未知光谱值对应的光谱响应值：
其中，为离散光谱响应曲线中未知光谱值对应的光谱响应值。
2.根据权利要求1所述的光谱计算重构方法，其特征在于，滤光轮双相机多光谱成像系统还包括滤光轮、分光镜以及若干滤光片，若干滤光片安装于所述滤光轮，所述滤光轮固定于所述灰度相机与目标物之间，所述分光镜固定于所述滤光轮与所述目标物之间，所述分光镜所在平面与所述滤光片所在平面具有40至50度夹角，光线摄入所述RGB相机的路径与光线摄入所述灰度相机的路径具有85至95度的夹角；
所述滤光轮旋转，切换位于所述灰度相机的镜头前的滤光片，位于所述灰度相机的镜头前的滤光片始终正对所述灰度相机的镜头。
3.根据权利要求2所述的光谱计算重构方法，其特征在于，采集多光谱图像时，滤光轮每切换一次位于所述灰度相机的镜头前的滤光片，所述灰度相机采集一个波段的光谱图像；多光谱图像与RGB图像的分辨率相同。
4.根据权利要求3所述的光谱计算重构方法，其特征在于，根据多光谱图像获取离散光谱响应曲线包括如下子步骤：
选取每张图像的(i,j)区域，其中，i∈[1,M],j∈[1,N]，M为分辨率的水平像素范围，N为分辨率的竖直像素范围；
计算离散光谱响应曲线，离散光谱响应曲线由n个离散点(wa，rea)组成，n为滤光片的数量，w为每个光谱图像对应的波长，re为每个波长对应的光谱响应值，a为光谱图像的序号，离散点与一个波段的光谱图像的(i,j)区域相对应。
5.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法。
CN202011328845.5A 2020-11-24 2020-11-24 一种光谱计算重构方法、计算机设备及可读存储介质 Active CN112539837B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011328845.5A CN112539837B (zh) 2020-11-24 2020-11-24 一种光谱计算重构方法、计算机设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011328845.5A CN112539837B (zh) 2020-11-24 2020-11-24 一种光谱计算重构方法、计算机设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN112539837A CN112539837A (zh) 2021-03-23
CN112539837B true CN112539837B (zh) 2024-02-09

Family

ID=75014752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011328845.5A Active CN112539837B (zh) 2020-11-24 2020-11-24 一种光谱计算重构方法、计算机设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN112539837B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113297978B (zh) * 2021-05-26 2024-05-03 奥比中光科技集团股份有限公司 活体检测方法、装置及电子设备
CN113554578B (zh) * 2021-07-23 2024-05-31 奥比中光科技集团股份有限公司 一种光谱图像的确定方法、装置、终端和存储介质
CN114279568B (zh) * 2022-03-04 2022-07-29 清华大学 基于色散进行编码压缩的多光谱成像方法、装置及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5790188A (en) * 1995-09-07 1998-08-04 Flight Landata, Inc. Computer controlled, 3-CCD camera, airborne, variable interference filter imaging spectrometer system
CN102279050A (zh) * 2011-07-28 2011-12-14 清华大学 一种多光谱计算重构方法及系统
CN103308466A (zh) * 2013-06-04 2013-09-18 沈阳仪表科学研究院有限公司 便携式滤光片色轮型多光谱成像系统及其光谱图像处理方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012511744A (ja) * 2008-12-10 2012-05-24 ホロラド，エルエルシー カラーモーションホログラフィ用のシステム及び方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5790188A (en) * 1995-09-07 1998-08-04 Flight Landata, Inc. Computer controlled, 3-CCD camera, airborne, variable interference filter imaging spectrometer system
CN102279050A (zh) * 2011-07-28 2011-12-14 清华大学 一种多光谱计算重构方法及系统
CN103308466A (zh) * 2013-06-04 2013-09-18 沈阳仪表科学研究院有限公司 便携式滤光片色轮型多光谱成像系统及其光谱图像处理方法

Also Published As

Publication number Publication date
CN112539837A (zh) 2021-03-23

Similar Documents

Publication Publication Date Title
CN112539837B (zh) 一种光谱计算重构方法、计算机设备及可读存储介质
CN112379231B (zh) 一种基于多光谱图像的设备检测方法及装置
CN102542549B (zh) 基于压缩感知的多光谱与全色图像超分辨融合方法
US20200088579A1 (en) Hybrid spectral imager
CN112381784A (zh) 一种基于多光谱图像的设备检测系统
WO2024027095A1 (zh) 基于双rgb图像融合的高光谱成像方法、系统及介质
WO2023240857A1 (zh) 基于智能空谱融合的高分辨率视频高光谱成像方法、装置及介质
CN110880162B (zh) 基于深度学习的快照光谱深度联合成像方法及系统
US9336570B2 (en) Demosaicking system and method for color array based multi-spectral sensors
CN113676629A (zh) 图像传感器、图像采集装置、图像处理方法及图像处理器
CN108616700A (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN116245726A (zh) 基于深度学习框架的压缩感知偏振超分辨成像方法
CN117372564B (zh) 一种重构多光谱图像的方法、系统及存储介质
CN118212536B (zh) 物理引导的超分辨压缩编码光谱成像方法
CN108401104A (zh) 基于频带修复和超分辨的双焦相机数字变焦方法
CN110827375A (zh) 一种基于微光图像的红外图像真彩着色方法及系统
CN107170013B (zh) 一种rgb相机光谱响应曲线的标定方法
CN117392327A (zh) 一种基于先验图像和自编码器模型的高光谱图像重构方法
CN108051087B (zh) 一种针对快速成像的八通道多光谱相机设计方法
CN115496819B (zh) 一种基于能量集中特性的快速编码光谱成像方法
CN113688752B (zh) 人脸色素检测模型训练方法、装置、设备及存储介质
CN114092327B (zh) 一种利用异构知识蒸馏的高光谱图像超分辨率方法
CN112837293B (zh) 基于高斯函数典型关联分析的高光谱图像变化检测方法
CN111667434B (zh) 一种基于近红外增强的弱光彩色成像方法
CN103234915B (zh) 一种基于多光谱检测的波段选择方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant