CN113281282A - 一种图像采集与重构方法、设备及存储介质 - Google Patents

一种图像采集与重构方法、设备及存储介质 Download PDF

Info

Publication number
CN113281282A
CN113281282A CN202110671999.2A CN202110671999A CN113281282A CN 113281282 A CN113281282 A CN 113281282A CN 202110671999 A CN202110671999 A CN 202110671999A CN 113281282 A CN113281282 A CN 113281282A
Authority
CN
China
Prior art keywords
hyperspectral
image
spec
spectral
scene
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.)
Granted
Application number
CN202110671999.2A
Other languages
English (en)
Other versions
CN113281282B (zh
Inventor
袁良垲
闫超
付强
邓尧
刘志刚
王正伟
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.)
Sichuan Jiuzhou Electric Group Co Ltd
Original Assignee
Sichuan Jiuzhou Electric Group Co Ltd
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 Sichuan Jiuzhou Electric Group Co Ltd filed Critical Sichuan Jiuzhou Electric Group Co Ltd
Priority to CN202110671999.2A priority Critical patent/CN113281282B/zh
Publication of CN113281282A publication Critical patent/CN113281282A/zh
Application granted granted Critical
Publication of CN113281282B publication Critical patent/CN113281282B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G01N2021/177—Detector of the video camera type
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/178—Methods for obtaining spatial resolution of the property being measured
    • G01N2021/1785—Three dimensional

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种图像采集与重构方法、设备及存储介质，方法包括以下步骤：S1.根据限定条件，并结合相机设备自身特性，选择合适的硬件参数，使采集得到的原始影像数据满足后续光谱拼接的基本要求；S2.基于步骤S1选定的硬件参数，控制硬件设备进行原始影像数据采集工作；S3.将采集得到的原始影像数据进行光谱拼接重构，生成高光谱数据立方体。本发明与传统的基于配准的重构方法相比，可大幅减少计算时间，进一步提高了算法的实时性；对于光谱数目上百的高光谱影像，由于特征点极少，基于配准的重构方法准确度低甚至无法实现，此方法可操作性和适用性更强。

Description

一种图像采集与重构方法、设备及存储介质
技术领域
本发明涉及图像处理技术领域，具体涉及一种图像采集与重构方法、设备及存储介质，尤其涉及一种基于窗扫式高光谱相机的图像采集与重构方法、设备及存储介质。
背景技术
光谱成像技术是将光谱测量技术和空间成像技术相结合，同时获取二维空间信息与一维光谱信息，实现“图谱合一”，形成“数据立方体”。光谱成像技术按照光谱分辨率可以分为多光谱、高光谱和超光谱等类型。多光谱技术光谱谱段较少，采用特征较为突出的几个谱段，主要应用于地物分类、灾害评估等。超光谱技术有成百上千个谱段，主要应用于物质分析等高精度定量化研究。高光谱技术谱段数可达到几十到几百，主要应用于农业分析、重要军事及伪装目标检测等领域。高光谱相机能在可见光、近红外、短波红外、中红外等电磁波谱范围内利用狭窄的光谱间隔成像，获取的每个像素的光谱数据不再是离散的线段，而是连续的光谱曲线。高光谱数据可以看成二维图像空间和一维光谱的图像立方体，在图像空间中每个波段是一幅二维图像，在光谱空间中每个像素反映为一条连续光谱响应曲线。
根据空间成像方式的不同，高光谱相机主要可分为摆扫式、推扫式、框幅式和窗扫式四种。窗扫式成像光谱仪，由于分光方式的特殊性，获取的目标的光谱信息同时分布在像面的不同区域上，像面每个区域分别获得对应空间区域的单个谱段影像，需要通过扫描再经过谱段拼接处理进行空间位置的精配准才能获得目标完整的高光谱数据立方体。
对于多光谱相机，一帧影像上有数个波段的影像，这数个波段分别对应不同区域，为了得到同一区块的所有波段的影像并建立空间对应关系，通常采用基于灰度影像匹配、SIFT影像匹配等方法将每一帧影像上某一波段的条带影像与其相邻的数帧影像上对应波段的影像实现配准生成小区域的多光谱影像，然后再将多个条带拼接形成多高谱数据立方体。然而对于高光谱相机，每一帧影像上有上百个波段，每一个波段的影像仅有几个像素宽度，相邻帧之间的重叠区域更窄，特征点的数量极少，常规配准算法不但很难实现预期的效果，而且由于波段数较多，拼接出一个完整场景的数据立方体所需图像的数据量大且数据冗余，所需配准的次数大大增加，处理的时间成倍增长，难以实现实时性。
发明内容
本发明所要解决的技术问题是：传统基于配准的重构方法实时性差以及无法应用于通过窗扫式光谱仪获得的谱段数较多的高光谱影像，本发明提供了解决上述问题的一种基于窗扫式高光谱相机的图像采集与重构方法。
本发明通过下述技术方案实现：
一种图像采集与重构方法，包括以下步骤：
S1.根据限定条件，并结合相机设备自身特性，选择合适的硬件参数，使采集得到的原始影像数据满足后续光谱拼接的基本要求；
S2.基于步骤S1选定的硬件参数，控制硬件设备进行原始影像数据采集工作；
S3.将采集得到的原始影像数据进行光谱拼接重构，生成高光谱数据立方体。
进一步优选，步骤S1中，硬件参数包括高光谱相机的采集帧率、曝光时间和扫描速度。
进一步优选，步骤S1中，限定条件包括：
高光谱相机成像不模糊；
高光谱相机所成影像相邻帧之间在扫描方向上存在一定的重叠关系，不重叠区域的宽度应小于或等于单个光谱带的宽度。
进一步优选，步骤S1中，关于限定条件，即硬件参数选择方法的具体说明如下：
设扫描角速度为w，曝光时间为Texpose，帧周期为t，像元视场分辨率为sfov，原始影像每个光谱带宽度为n行像元。
像元视场分辨率sfov可以由相机像元尺寸d和焦距F计算得出：
Figure BDA0003119073890000021
相机成像不模糊需要满足以下条件：
wTexpose≤1/3sfov；
高光谱影像相邻帧之间不重叠的区域宽度小于或等于单个光谱带的宽度需要满足以下条件：
wt≤n·sfov；
当wt＝n·sfov，且满足wTexpose≤1/3sfov时，高光谱影像相邻帧之间的偏移大小刚好为一个光谱带宽度，此时可以实现简单的拼接，曝光时间和帧周期的关系为：
Figure BDA0003119073890000022
根据上述总结，实际参数的设置受限于以下公式：
Figure BDA0003119073890000023
当公式(1)等式成立，高光谱影像相邻帧之间的相邻光谱窄带刚好不重叠。
步骤S2中，硬件设备控制可以通过设备厂商提供的上位机软件或者自行编写控制程序实现。根据步骤S1中限定的参数选择方法，对相机的采集帧率、曝光时间和转台的扫描速度进行配置，然后根据实际需要，对扫描周期和采集数据格式等参数进行配置。设备配置完成后，控制相机与转台进行采集工作，采集到的图像数据实时传输到PC端进行后续处理。
进一步优选，步骤S3的具体实现手段包括以下步骤：
S31.确定目标场景空间大小；
S32.高光谱数据立方体的拼接。
进一步优选，步骤S31中，目标场景空间的宽度d为(fT-Nspec+1)·n行像素，相当于Nscene＝(fT-Nspec+1)个光谱窄带宽度；
其中，高光谱相机采集帧率为f，采集得到的原始影像的光谱窄带数目为Nspec，每个光谱窄带宽度为n行像元，扫描周期为T，一个扫描周期内，一共采集得到f·T张高光谱影像。
进一步优选，步骤S32中，具体实现手段包括如下：
高光谱数据立方体是一个三维数据，可以看作通道数等于光谱波段数目的图像数据。目标场景空间就是高光谱数据立方体的空间维的分布情况。如图2所示，左边的黑线框代表目标场景空间，其右边的彩色框代表采集得到的每一帧影像。
目标场景空间被等分成Nscene条宽度为n行像素的窄带，每一帧影像被等分成Nspec条宽度为n行像素的窄带；在目标场景空间中，每条窄带从上往下依次记为第1，2，3，,…，Nscene空间；在每一帧影像数据中，每条窄带从上往下依次记为第1，2，3，…，Nspec个光谱窄带；
对于第k帧图像，标记需要用于拼接的窄带的编号为m：
(1)当0＜k＜Nspec时，仅前k条光谱窄带的信息被用于拼接，则0＜m≤k；
(2)当Nspec≤k≤Nscene时，所有Nspec条光谱窄带的信息均被用于拼接，则0＜m≤Nspec；
(3)当Nscene＜k≤f·T时，仅后k-Nscene条光谱窄带的信息被用于拼接，Nspec+Nscene-k＜m≤Nspec；
针对以上(1)-(3)所有三种情况，第k帧图像的第m个光谱窄带内的信息作为高光谱数据立方体第m通道的第Nscene-k-m+2空间的信息；当所有采集获得的f·T个影像数据完成拼接后，就能得到一个完整的高光谱数据立方体。
进一步优选，还包括步骤S4，剔除无效信息。由于高光谱相机本身的成像特点，原始影像中部分窄带为无效信息，因此步骤S3重构得到的高光谱数据立方体部分通道为无效数据，需要根据具体相机特点进行剔除。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种图像采集与重构方法。
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的一种图像采集与重构方法。
本发明具有如下的优点和有益效果：
基于窗扫式高光谱相机采集获得的原始影像数据中每个窄带区域只能获得的单个谱段的信息，本发明可以通过在采集影像数据时选定合适的硬件参数，将原始高光谱影像数据重构为空间维与光谱维联系紧密的高光谱数据立方体。与传统的基于配准的重构方法相比，省去了图像配准环节所需的大量时间，可大幅减少计算时间，计算速度更快，进一步提高了算法的实时性。此外，对于光谱数目上百的高光谱影像，由于单个光谱窄带内的信息量极少，传统的基于图像配准和拼接的数据重构方法往往无法实现精确配准，本方法不依赖于信息量即可准确重构出高光谱数据立方体，可操作性和适用性更强。具体地，本发明通过严格配置高光谱相机帧率、曝光时间和转台转速等硬件参数，对采集到的原始影像数据基于硬件参数进行数据重构，从而得到完整的高光谱数据立方体。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明的流程图；
图2为高光谱数据立方体拼接重构方法示意图；
图3为硬件参数选择举例；
图4为原始采集图像及其局部放大图；
图5为高光谱数据立方体第96通道图像；
图6为高光谱数据立方体第192通道图像。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
本实施例提供了一种基于窗扫式高光谱相机的图像采集与重构方法，具体步骤如下所示：
S1.结合相机设备自身特性，根据限定条件，选择合适的硬件参数，使采集得到的原始影。具体实现手段如下所示：
S11.确定各个参数间的限定关系。
一组合适的硬件参数需满足两个基本要求：高光谱相机成像不模糊；高光谱相机所成影像相邻帧之间在扫描方向上存在一定的重叠关系，不重叠区域的宽度应小于或等于单个光谱带的宽度。
设扫描角速度为w，曝光时间为Texpose，帧周期为t，像元视场分辨率为sfov，原始影像每个光谱带宽度为n行像元。
(1)相机成像不模糊需要满足以下条件：
wTexpose≤1/3sfov；
像元视场分辨率sfov(°)可以由相机像元尺寸d和焦距F计算得出：
Figure BDA0003119073890000051
(2)高光谱影像相邻帧之间不重叠的区域宽度小于或等于单个光谱带的宽度需要满足以下条件：
wt≤n·sfov
当wt＝n·sfov，且满足wT≤1/3sfov时，高光谱影像相邻帧之间的偏移大小刚好为一个光谱带宽度，此时可以实现简单的拼接，曝光时间和帧周期的关系为：
Figure BDA0003119073890000052
若原始影像每个光谱宽度为5行像元，即n＝5，根据上述总结，实际参数的设置受限于以下公式：
Figure BDA0003119073890000053
根据上述公式，实际需要设置高光谱采集相机的采集帧频、曝光时间和扫描速度注意如下：
1)设备工作需根据公式(1)和公式(2)限定条件设置扫描转速w、采集帧频1/t、曝光时间Texpose等3个参数。若公式(1)等式成立，高光谱影像相邻帧的相邻光谱窄带刚好不重叠，可以进行拼接重构。
2)公式(1)等式成立与公式(2)存在的冲突点为曝光时间Texpose设置的不合理，导致采集帧频1/t无法到设置值，相机默认达到最大帧频为优先，即曝光时间偶尔无法设置成功(公式(2)条件没达到)。
3)公式(2)的条件为成像不模糊推荐最优条件。由于高光谱采集特殊性，曝光时间小时采集图像亮度太低，不利于后续处理。根据目前相机研究的实际情形，能够接受的曝光时间限制可以适当放宽。
假设选定的条件为
Figure BDA0003119073890000061
此时仍然可以保证成像不模糊，曝光时间限制较为宽松，且光谱影像相邻帧的相邻光谱窄带刚好不重叠，即wt＝5·sfov。按照5.5um像元尺寸，35mm焦距获得的单像元分辨为0.009°。
此时，要满足高光谱图像重构算法的需求，参数的选择应同时满足以下两个条件：
wt＝5sfov＝0.045°
Figure BDA0003119073890000062
S12.根据具体相机特点及具体应用场景下的光照特点，选出合适的参数组。根据高光谱相机的性能限制，可自行根据上述条件选择合适的参数组。假设相机数据采集能够达到的极限采集帧率为155.55fps，此时扫描角速度应设为7°/s，为最大可设角速度。
具体举例如图3所示。扫描速度越快，从采集数据采集到重构出高光谱立方体的时间越短，但最大曝光时间也越短。曝光时间过短会导致图像亮度过低，可能不利于后续分析处理，参数的选择需根据应用场景具体分析。
S2.控制硬件设备进行采集工作，包括对高光谱相机和转台的配置与控制。
该步骤中，高光谱相机及转台的控制在上位机软件上实现。高光谱相机的控制程序基于为各种相机和设备提供通用的编程接口的GenlCam标准编写，转台控制程序的数据通信遵循RS232串行通信标准，具体控制协议由转台厂商提供。
S3.将采集得到的原始影像数据进行光谱拼接重构，生成高光谱数据立方体。具体实现手段如下所示：
S31.目标场景空间大小的确定。
当转台扫描角速度为w＝1.2°/s时，根据步骤S1中所述的参数选择方法，高光谱相机采集帧率应为f＝26.7fps。图4为高光谱相机采集到的一帧原始影像，其分辨率为2048×1088。除去最上方4个像素宽度和最后4个像素宽度的区域，原始图像一共包含Nspec＝216个窄带，每个窄带占n＝5个像素的宽度。由实际使用的高光谱相机成像特点决定，原始图像中一共包含192个有效的光谱窄带。从上到下看，原始图像最初与最后4个像素宽度的信息，中间部分20个窄带宽度的信息为无效信息，其余区域为有效的光谱信息。假设扫描周期为T＝30s，一个扫描周期内，一共采集得到801张高光谱影像，假定通过步骤S1中所述的方法选择的硬件参数能使高光谱影像相邻帧之间的相邻光谱窄带刚好不重叠，则目标场景空间的宽度d为(fT-Nspec+1)·n＝2930行像素，相当于Nscene＝(fT-Nspec+1)＝586个光谱窄带宽度。
S32.高光谱数据立方体的拼接。
为了计算方便，除去最上方4个像素宽度和最后4个像素宽度的区域，其余数据，包括中间的无效窄带，均进行拼接重构。在目标场景空间中，每条窄带从上往下依次记为第1，2，3，,…，586空间。在每一帧影像数据中，每条窄带从上往下依次记为第1，2，3，…，216个光谱窄带。
对于第k帧图像，记需要用于拼接的窄带的编号为m；
当0＜k＜216时，仅前k条光谱窄带的信息被用于拼接，即0＜m≤k；
当216≤k≤586时，所有216条光谱窄带的信息均被用于拼接，即0＜m≤216；
当586＜k≤801时，仅后k-586条光谱窄带的信息被用于拼接，即802-k＜m≤216；
针对以上所有三种情况，第k帧图像的第m个光谱窄带内的信息作为高光谱数据立方体第m通道的第588-k-m空间的信息。
当所有采集获得的801个影像数据完成拼接后，就重构出了一个2930×2048×216的数据立方体。
S4.无效通道信息的剔除。
对于步骤S3得到的2930×2048×216的数据立方体，剔除第65～88通道的无效信息后就能得到2930×2048×192高光谱数据立方体。
最后，如图5和图6分别是高光谱数据立方体第96和第192通道顺时针旋转90°后得到的图像。可以看出，两个通道的图像的光谱信息不同，但空间信息是相同的，没有产生错位。对于其它通道的图像也是如此，本发明成功将光谱信息不完整且与图像空间信息互相分离的原始影像重构成了二维图像空间和一维光谱的图像立方体，实现了“图谱合一”。
实施例2
本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例1提供的一种图像采集与重构方法。
实施例3
本实施例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实施例1提供的一种图像采集与重构方法。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种图像采集与重构方法，其特征在于，包括以下步骤：
S1.根据限定条件，并结合相机设备自身特性，选择合适的硬件参数，使采集得到的原始影像数据满足后续光谱拼接的基本要求；
S2.基于步骤S1选定的硬件参数，控制硬件设备进行原始影像数据采集工作；
S3.将采集得到的原始影像数据进行光谱拼接重构，生成高光谱数据立方体。
2.根据权利要求1所述的一种图像采集与重构方法，其特征在于，步骤S1中，硬件参数包括高光谱相机的采集帧率、曝光时间和扫描速度。
3.根据权利要求2所述的一种图像采集与重构方法，其特征在于，步骤S1中，限定条件包括：
高光谱相机成像不模糊；
高光谱相机所成影像相邻帧之间在扫描方向上存在一定的重叠关系，不重叠区域的宽度应小于或等于单个光谱带的宽度。
4.根据权利要求3所述的一种图像采集与重构方法，其特征在于，步骤S1中，限定条件包括：
高光谱相机成像不模糊需要满足以下条件：
wTexpose≤1/3sfov；
高光谱相机所成影像相邻帧之间不重叠的区域宽度小于或等于单个光谱带的宽度需要满足以下条件：
wt≤n·sfov；
其中，描角速度为w，曝光时间为Texpose，帧周期为t，像元视场分辨率为sfov，原始影像每个光谱带宽度为n行像元；
像元视场分辨率sfov(°)可以由相机像元尺寸d和焦距F计算得出：
Figure FDA0003119073880000011
5.根据权利要求1所述的一种图像采集与重构方法，其特征在于，步骤S3的具体实现手段包括以下步骤：
S31.确定目标场景空间大小；
S32.高光谱数据立方体的拼接。
6.根据权利要求5所述的一种图像采集与重构方法，其特征在于，步骤S31中，目标场景空间的宽度d为(fT-Nspec+1)·n行像素，相当于Nscene＝(fT-Nspec+1)个光谱窄带宽度；
其中，高光谱相机采集帧率为f，采集得到的原始影像的光谱窄带数目为Nspec，每个光谱窄带宽度为n行像元，扫描周期为T，一个扫描周期内，一共采集得到f·T张高光谱影像。
7.根据权利要求5或6所述的一种图像采集与重构方法，其特征在于，步骤S32中，具体实现手段包括如下：
目标场景空间被等分成Nscene条宽度为n行像素的窄带，每一帧影像被等分成Nspec条宽度为n行像素的窄带；在目标场景空间中，每条窄带从上往下依次记为第1，2，3，,…，Nscene空间；在每一帧影像数据中，每条窄带从上往下依次记为第1，2，3，…，Nspec个光谱窄带；
对于第k帧图像，标记需要用于拼接的窄带的编号为m：
(1)当0＜k＜Nspec时，仅前k条光谱窄带的信息被用于拼接，则0＜m≤k；
(2)当Nspec≤k≤Nscene时，所有Nspec条光谱窄带的信息均被用于拼接，则0＜m≤Nspec；
(3)当Nscene＜k≤f·T时，仅后k-Nscene条光谱窄带的信息被用于拼接，
Nspec+Nscene-k＜m≤Nspec；
针对以上(1)-(3)所有三种情况，第k帧图像的第m个光谱窄带内的信息作为高光谱数据立方体第m通道的第Nscene-k-m+2空间的信息；当所有采集获得的f·T个影像数据完成拼接后，就能得到一个完整的高光谱数据立方体。
8.根据权利要求1所述的一种图像采集与重构方法，其特征在于，还包括步骤S4，剔除无效信息。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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1-8任一项所述的一种图像采集与重构方法。
10.一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1-8任一项所述的一种图像采集与重构方法。
CN202110671999.2A 2021-06-17 2021-06-17 一种图像采集与重构方法、设备及存储介质 Active CN113281282B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110671999.2A CN113281282B (zh) 2021-06-17 2021-06-17 一种图像采集与重构方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110671999.2A CN113281282B (zh) 2021-06-17 2021-06-17 一种图像采集与重构方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113281282A true CN113281282A (zh) 2021-08-20
CN113281282B CN113281282B (zh) 2022-05-13

Family

ID=77284890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110671999.2A Active CN113281282B (zh) 2021-06-17 2021-06-17 一种图像采集与重构方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113281282B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080144001A1 (en) * 2006-12-15 2008-06-19 Bauke Heeg Spectral imaging device
CN101285885A (zh) * 2008-05-15 2008-10-15 无锡市星迪仪器有限公司 实现高光谱成像的方法
CN101287995A (zh) * 2005-09-22 2008-10-15 威斯康星校友研究基金会 在mr光谱法中的高度约束的背投重构过程
CN103325096A (zh) * 2013-06-25 2013-09-25 中国科学院遥感与数字地球研究所 基于多/高光谱图像融合的宽幅高光谱图像重构方法
CN103471820A (zh) * 2013-09-29 2013-12-25 四川九洲电器集团有限责任公司 便携式多光谱光电设备实时标校测试仪
CN105628200A (zh) * 2015-12-24 2016-06-01 南京理工大学 计算光谱成像装置
CN106872035A (zh) * 2017-03-13 2017-06-20 中国科学院光电研究院 量子点光谱成像系统
CN106993121A (zh) * 2017-04-07 2017-07-28 杭州电子科技大学 一种基于压缩感知的高光谱图像采集成像系统与控制方法
CN108257167A (zh) * 2018-01-26 2018-07-06 深圳市唯特视科技有限公司 一种基于推扫式高光谱成像的图像配准方法
US20180357793A1 (en) * 2017-06-13 2018-12-13 X-Rite, Incorporated Hyperspectral Imaging Spectrophotometer and System
CN112465922A (zh) * 2020-10-09 2021-03-09 浙江大学 一种结合色差模糊成像与图像重建技术的高光谱成像系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101287995A (zh) * 2005-09-22 2008-10-15 威斯康星校友研究基金会 在mr光谱法中的高度约束的背投重构过程
US20080144001A1 (en) * 2006-12-15 2008-06-19 Bauke Heeg Spectral imaging device
CN101285885A (zh) * 2008-05-15 2008-10-15 无锡市星迪仪器有限公司 实现高光谱成像的方法
CN103325096A (zh) * 2013-06-25 2013-09-25 中国科学院遥感与数字地球研究所 基于多/高光谱图像融合的宽幅高光谱图像重构方法
CN103471820A (zh) * 2013-09-29 2013-12-25 四川九洲电器集团有限责任公司 便携式多光谱光电设备实时标校测试仪
CN105628200A (zh) * 2015-12-24 2016-06-01 南京理工大学 计算光谱成像装置
CN106872035A (zh) * 2017-03-13 2017-06-20 中国科学院光电研究院 量子点光谱成像系统
CN106993121A (zh) * 2017-04-07 2017-07-28 杭州电子科技大学 一种基于压缩感知的高光谱图像采集成像系统与控制方法
US20180357793A1 (en) * 2017-06-13 2018-12-13 X-Rite, Incorporated Hyperspectral Imaging Spectrophotometer and System
CN108257167A (zh) * 2018-01-26 2018-07-06 深圳市唯特视科技有限公司 一种基于推扫式高光谱成像的图像配准方法
CN112465922A (zh) * 2020-10-09 2021-03-09 浙江大学 一种结合色差模糊成像与图像重建技术的高光谱成像系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIAO LU 等: "A Programmable Optical Filter With Arbitrary Transmittance for Fast Spectroscopic Imaging and Spectral Data Post-Processing", 《IEEE ACCESS》 *
董高: "小麦发芽特性高光谱成像快速检测研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》 *
高泽东 等: "高光谱成像与应用技术发展", 《传感器与应用专辑》 *

Also Published As

Publication number Publication date
CN113281282B (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
JP7045380B2 (ja) 観察対象物が静止している場合のハイパースペクトルイメージング
Zhang et al. Zoom to learn, learn to zoom
Krig Computer vision metrics: Survey, taxonomy, and analysis
DE69735488T2 (de) Verfahren und vorrichtung zum ausrichten von bildern
JP7087198B2 (ja) ハイブリッドスペクトルイメージャ
He et al. Fhde 2 net: Full high definition demoireing network
DE102019216136A1 (de) Verfahren und system zur 3d-rekonstruktion mit volumenbasierter filterung zur bildverarbeitung
DE102015010096A1 (de) Konfigurationseinstellungen einer Digitalkamera zur Tiefenkarten-Erzeugung
WO2017121058A1 (zh) 一种全光信息采集系统
Kwan et al. Pansharpening of Mastcam images
DE112017006107T5 (de) Digitale Korrektur von optischen Systemaberrationen
DE202012013411U1 (de) Systeme für Overhead-Bild- und Videoanzeige
DE112017005193T5 (de) Bildverarbeitungsvorrichtung, Bildverarbeitungsverfahren und Bildaufnahmevorrichtung
CN111937031A (zh) 使用基线估计和半二次最小化用于信号数据去模糊的装置和方法
DE202016007867U1 (de) Steuerung des Sichtlinienwinkels einer Bildverarbeitungsplattform
Holloway et al. Generalized assorted camera arrays: Robust cross-channel registration and applications
CN113160048A (zh) 一种缝合线引导的图像拼接方法
Huang et al. Spectral clustering super-resolution imaging based on multispectral camera array
Nguyen et al. L1BSR: Exploiting Detector Overlap for Self-Supervised Single-Image Super-Resolution of Sentinel-2 L1B Imagery
CN113281282B (zh) 一种图像采集与重构方法、设备及存储介质
Köhler et al. Benchmarking super-resolution algorithms on real data
Zhao et al. FOV expansion of bioinspired multiband polarimetric imagers with convolutional neural networks
WO2021056297A1 (zh) 图像处理方法、设备、无人机、系统和存储介质
CN116883235A (zh) 一种面向分布式光电的图像拼接方法及装置
CN112037132B (zh) 一种多孔径紧凑型多光谱成像系统及深度学习图像超分辨率重建方法

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