CN113554578A - 一种光谱图像的确定方法、装置、终端和存储介质 - Google Patents
一种光谱图像的确定方法、装置、终端和存储介质 Download PDFInfo
- Publication number
- CN113554578A CN113554578A CN202110837315.1A CN202110837315A CN113554578A CN 113554578 A CN113554578 A CN 113554578A CN 202110837315 A CN202110837315 A CN 202110837315A CN 113554578 A CN113554578 A CN 113554578A
- Authority
- CN
- China
- Prior art keywords
- target
- spectral
- image
- original
- determining
- 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
Links
- 230000003595 spectral effect Effects 0.000 title claims abstract description 236
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001228 spectrum Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 39
- 230000003287 optical effect Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 2
- 238000000701 chemical imaging Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000000411 transmission spectrum Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10052—Images from lightfield camera
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本申请适用于光学技术领域,提供了一种光谱图像的确定方法、装置、终端和存储介质。其中,上述光谱图像的确定方法包括:获取原始多光谱图像,所述原始多光谱图像包含多个像素区域,每个所述像素区域分别对应一个原始光谱波段;确定一个或多个目标光谱波段,并确定在每个所述原始光谱波段上所述一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率;根据每个所述像素区域的像素值信息,以及所述量子效率,计算得到所述一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息;基于所述目标像素值信息得到目标光谱图像。本申请的实施例能够重构出特定光谱波段的光谱图像。
Description
技术领域
本申请属于光学技术领域,尤其涉及一种光谱图像的确定方法、装置、终端和存储介质。
背景技术
光谱成像数据是图谱合一的数据源,同时包含了图像信息和光谱信息,能够给出各个波段上每个像素的光谱强度数据;利用光谱成像技术可以对物体进行定性和定量分析,以及定位分析等;光谱成像技术按照光谱分辨率的从低到高可分为三类:多光谱成像、高光谱成像和超光谱成像技术。光谱成像技术不仅具有光谱分辨能力,还具有图像分辨能力,可应用于地质矿物、植被生态的识别以及军事目标的侦察等场合。
在实际使用中,鉴于硬件条件等限制,用户只能得到特定光谱波段对应的原始光谱图像,但基于用户需求,用户可能需要用到与原始光谱图像不同的另一些光谱波段对应的图像信息,且不同的用户可能有不同的需求。因此,为了满足用户需求,需要一种光谱图像的确定方法,从原始的多光谱图像中重构出用户所需光谱波段的光谱图像,进而利用重构出的光谱图像组合出满足用户需求的多光谱图像。
发明内容
本申请实施例提供一种光谱图像的确定方法、装置、终端和存储介质,可以重构出特定光谱波段的光谱图像,进而组合出满足需求的多光谱图像。
本申请实施例第一方面提供一种光谱图像的确定方法,包括:
获取原始多光谱图像,所述原始多光谱图像包含多个像素区域,每个所述像素区域分别对应一个原始光谱波段;
确定一个或多个目标光谱波段,并确定在每个所述原始光谱波段上所述一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率;
根据每个所述像素区域的像素值信息,以及所述量子效率,计算得到所述一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息;
基于所述目标像素值信息得到目标光谱图像。
本申请实施例第二方面提供的一种光谱图像的确定装置,包括:
图像获取单元,用于获取原始多光谱图像,所述原始多光谱图像包含多个像素区域,每个所述像素区域分别对应一个原始光谱波段;
量子效率确定单元,用于确定一个或多个目标光谱波段,并确定在每个所述原始光谱波段上所述一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率;
像素值计算单元,用于根据每个所述像素区域的像素值信息,以及所述量子效率,计算得到所述一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息;
图像确定单元,用于基于所述目标像素值信息得到目标光谱图像。
本申请实施例第三方面提供一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述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方法的步骤。
本申请实施例第四方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本申请实施例第五方面提供了一种计算机程序产品,当计算机程序产品在终端上运行时,使得终端执行时实现方法的步骤。
本申请实施方式中,通过获取原始多光谱图像,其中,原始多光谱图像包含多个像素区域,每个像素区域分别对应一个原始光谱波段;接着,确定一个或多个目标光谱波段,并确定在每个原始光谱波段上一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率;然后根据每个像素区域的像素值信息以及量子效率,计算得到各个目标光谱波段分别对应的目标像素值信息;从而基于目标像素值信息得到目标光谱图像,可以在包含原有的原始光谱波段对应的原始多光谱图像重构出于与原有的原始光谱波段不同的目标光谱波段的目标光谱图像,也即从原始的多光谱图像中重构出用户所需光谱波段的光谱图像,进而利用重构出的光谱图像组合出满足用户需求的多光谱图像,能够丰富光谱信息,突破光谱采集设备的硬件条件限制,同时可以保证组合出的多光谱图像具有较高的精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种光谱图像的确定方法的实现流程示意图;
图2是本申请实施例提供的滤光片阵列的示意图;
图3是本申请实施例提供的步骤S103的具体实现流程示意图;
图4是本申请实施例提供的一种光谱图像的确定装置的结构示意图;
图5是本申请实施例提供的终端的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护。
光谱成像数据是图谱合一的数据源,同时包含了图像信息和光谱信息,能够给出各个波段上每个像素的光谱强度数据;利用光谱成像技术可以对物体进行定性和定量分析,以及定位分析等;光谱成像技术按照光谱分辨率的从低到高可分为三类:多光谱成像、高光谱成像和超光谱成像技术。光谱成像技术不仅具有光谱分辨能力,还具有图像分辨能力,可应用于地质矿物、植被生态的识别以及军事目标的侦察等场合。
在实际使用中,鉴于硬件条件等限制,用户只能得到特定光谱波段对应的原始光谱图像,但基于用户需求,用户可能需要用到与原始光谱图像不同的另一些光谱波段对应的图像信息,且不同的用户可能有不同的需求。因此,为了满足用户需求,需要一种光谱图像的确定方法,从原始的多光谱图像中重构出用户所需光谱波段的光谱图像,进而利用重构出的光谱图像组合出满足用户需求的多光谱图像。
为了说明本申请的技术方案,下面通过具体实施例来进行说明。
图1示出了本申请实施例提供的一种光谱图像的确定方法的实现流程示意图,该方法可以应用于终端,可适用于需重构出特定光谱波段的光谱图像的情形。
其中,上述终端可以为电脑等终端设备,也可以为具有一定运算能力的多光谱成像设备、多光谱检测设备等等。
具体的,上述光谱图像的确定方法可以包括以下步骤S101至步骤S104。
步骤S101,获取原始多光谱图像。
其中,上述原始多光谱图像包含多个像素区域,每个像素区域分别对应一个原始光谱波段。
在本申请的一些实施方式中,上述终端安装有多光谱图像传感器,上述终端可以通过多光谱图像传感器获取原始多光谱图像。
具体的,在本申请的一些实施方式中,终端上安装的多光谱图像传感器可以包括感光芯片和滤光片阵列。其中,滤光片阵列可以包括与原始光谱波段分别对应的滤光片。上述多光谱图像传感器的入射光束经滤光片阵列过滤后得到目标光束,上述终端可以获取由感光芯片根据目标光束生成的原始多光谱图像。
其中,上述感光芯片可以包括与滤光片阵列对应的取像阵列,取像阵列的每个取像单元分别与滤光片阵列的每个滤光片一一对应;并且,原始多光谱图像中一个像素区域与一个取像单元关联。
在本申请的一些实施方式中,上述每个滤光片可以周期性排列,构成上述滤光片阵列。
具体的,感光芯片被划分为多个与滤光片阵列中各个滤光片的形状相对应的取像单元,每个取像单元具有不同光谱透过率的光谱响应通道,每个光谱响应通道对应接收一个光谱波段的目标光束,从而得到原始多光谱图像中与之对应的像素区域。
例如,图2示出了本申请实施方式所提供的一种3×3的滤光片阵列,图2中的矩形1至9分别表示一个滤光片,相应的,得到的原始多光谱图像包含九个不同原始光谱波段的像素区域,也即,得到的原始多光谱图像包含九个不同颜色通道的信息。
步骤S102,确定一个或多个目标光谱波段,并确定在每个原始光谱波段上一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率。
其中,目标光谱波段即为重构出的光谱图像对应的光谱波段,也即满足用户所需的光谱波段,上述一个或多个目标光谱波段的具体波长范围可以由工作人员基于实际需要提前设置好。
在本申请的实施方式中,根据采集原始多光谱图像时所使用的硬件,与原始多光谱图像关联的原始光谱波段是确定的,但这些原始光谱波段可能并不完全是用户所需要的光谱波段,因此,基于确定出的一个或多个目标光谱波段,需要利用原始多光谱图像重构出与一个或多个目标光谱波段对应的目标光谱图像。
具体的,在确定出一个或多个目标光谱波段之后,终端可以确定在每个原始光谱波段上一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率(QuantumEfficiency,QE),量子效率可以用于表示光谱响应。
在本申请的一些实施方式中,上述终端可以获取原始多光谱图像对应的量子效率曲线,该量子效率曲线为自变量为波长,因变量为量子效率值的曲线。
其中,上述量子效率曲线共同取决于采集原始多光谱图像时所使用的感光芯片的光电转换效率和滤光片的透过光谱曲线,因此,根据所使用的滤光片矩阵和感光芯片,可以确定出原始多光谱图像对应的量子效率曲线。该量子效率曲线可以由工作人员预先进行测量获得。在本申请的一些实施方式中,量子效率值可以通过对原始光谱波长对应的量子效率曲线进行积分获得。
基于每个原始光谱波长对应的量子效率曲线,终端可以确定出在每个原始光谱波段上一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率,即,每个原始光谱波段对应不同目标光谱波段的量子效率值。
需要说明的是,目标光谱波段可以为被与原始多光谱图像关联的各个原始光谱波段覆盖的、在各个原始光谱波段内连续的波段。并且,目标光谱波段的数量可以小于或等于原始多光谱图像对应的原始光谱波段的数量。
步骤S103,根据每个像素区域的像素值信息,以及量子效率,计算得到一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息。
其中,每个像素区域的像素值信息可以指每个像素区域的灰度值。
在本申请的一些实施方式中,原始多光谱图像中每个像素点的灰度值可以由多光谱图像传感器采集得到,每个像素区域的灰度值可以用该像素区域中所有像素点的灰度值的平均值表示。
基于从原始多光谱图像中得到的像素值信息,以及每个原始光谱波段上一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率,可以转换得到一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息。
具体的,如图3所示,在本申请的一些实施方式中,上述步骤S103可以包括以下步骤S301至步骤S304。
步骤S301,根据每个像素区域的像素值信息,构建像素矩阵。
具体的,以原始多光谱图像包含九个像素区域为例,九个像素区域中每个像素区域分别对应一个原始光谱波段,即分别对应一个颜色通道,则终端根据每个像素区域的像素值信息,可以构建像素矩阵X=[X1...X9],其中,X1至X9分别表示一个像素区域对应的像素值信息,也即表示一个原始光谱波段对应的像素值信息。
步骤S302,根据在每个原始光谱波段上一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率,构建量子效率矩阵。
具体的,以目标光谱波段分别为a、b、c、d、e为例,在每个原始光谱波段上一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率可以表示为Qia、Qib、Qic、Qid、Qie,其中i表示原始光谱波段的序号,则构建得到的量子效率矩阵为
步骤S303,计算量子效率矩阵的广义逆矩阵。
在本申请的一些实施方式中,量子效率矩阵的广义逆矩阵可以表示为pinv(Q)。
需要说明的是,本申请不对广义逆矩阵的具体计算方式进行限制。例如,可以通过满秩分解、奇异值分解等方式计算量子效率矩阵的广义逆矩阵。
步骤S304,根据像素矩阵和广义逆矩阵,计算得到一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息。
其中,各个目标光谱波段分别对应的目标像素值信息可以为每个目标光谱波段分别对应的灰度值信息。
在本申请的一些实施方式中,每个目标光谱波段分别对应的灰度值信息构成的灰度值信息矩阵为M=pinv(Q)·X。
具体的,以原始多光谱图像包含九个像素区域,目标光谱波段分别为a、b、c、d、e继续进行说明,根据前述方式求得在每个原始光谱波段上一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率Qia、Qib、Qic、Qid、Qie,以及每个像素区域对应的像素值信息X1至X9,可以得到以下的方程组:
将方程组以矩阵的形式表示可以得到:
因此,终端可以根据像素矩阵和广义逆矩阵,计算得到Ma、Mb、Mc、Md、Me。
需要说明的是,以上为以原始多光谱图像包含九个像素区域,目标光谱波段分别为a、b、c、d、e为例进行说明,原始多光谱图像中像素区域的数量(也即,原始多光谱图像对应的原始光谱波段数量)以及目标光谱波段的数量可以根据实际情况进行调整。
基于上述说明可知,在本申请的一些实施方式中,终端可以根据像素矩阵和广义逆矩阵,计算得到一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息。
步骤S104,基于目标像素值信息得到目标光谱图像。
在本申请的实施方式中,基于各个目标光谱波段分别对应的目标像素值信息即可重构得到各个目标光谱波段分别对应的目标光谱图像。
更进一步的,当目标光谱波段包含多个时,基于多个目标光谱图像可以得到目标多光谱图像。
本申请实施方式中,通过获取原始多光谱图像,其中,原始多光谱图像包含多个像素区域,每个像素区域分别对应一个原始光谱波段;接着,确定一个或多个目标光谱波段,并确定在每个原始光谱波段上一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率;然后根据每个像素区域的像素值信息以及量子效率,计算得到各个目标光谱波段分别对应的目标像素值信息;从而基于目标像素值信息得到目标光谱图像,可以在包含原有的原始光谱波段对应的原始多光谱图像重构出于与原有的原始光谱波段不同的目标光谱波段的目标光谱图像,也即从原始的多光谱图像中重构出用户所需光谱波段的光谱图像,进而利用重构出的光谱图像组合出满足用户需求的多光谱图像,能够丰富光谱信息,突破光谱采集设备的硬件条件限制,同时可以保证组合出的多光谱图像具有较高的精度。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为根据本申请,某些步骤可以采用其它顺序进行。
如图4所示为本申请实施例提供的一种光谱图像的确定装置400的结构示意图,所述光谱图像的确定装置400配置于终端上。
具体的,所述光谱图像的确定装置400可以包括:
图像获取单元401,用于获取原始多光谱图像,所述原始多光谱图像包含多个像素区域,每个所述像素区域分别对应一个原始光谱波段;
量子效率确定单元402,用于确定一个或多个目标光谱波段,并确定在每个所述原始光谱波段上所述一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率;
像素值计算单元403,用于根据每个所述像素区域的像素值信息,以及所述量子效率,计算得到所述一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息;
图像确定单元404,用于基于所述目标像素值信息得到目标光谱图像。
在本申请的一些实施方式中,上述像素值计算单元403还可以具体用于:根据每个所述像素区域的像素值信息,构建像素矩阵;根据在每个所述原始光谱波段上所述一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率,构建量子效率矩阵;计算所述量子效率矩阵的广义逆矩阵;根据所述像素矩阵和所述广义逆矩阵,计算得到所述一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息。
在本申请的一些实施方式中,上述终端安装有多光谱图像传感器;上述图像获取单元401还可以具体用于:通过所述多光谱图像传感器获取所述原始多光谱图像。
在本申请的一些实施方式中,上述多光谱图像传感器包括感光芯片和滤光片阵列;其中,滤光片阵列包括与原始光谱波段分别对应的滤光片;上述图像获取单元401还可以具体用于:获取由所述感光芯片根据目标光束生成的所述原始多光谱图像,所述目标光束为所述多光谱图像传感器的入射光束经所述滤光片阵列过滤后得到的光束。
在本申请的一些实施方式中,上述感光芯片包括与滤光片阵列对应的取像阵列,取像阵列的每个取像单元分别与滤光片阵列的每个滤光片一一对应;并且,原始多光谱图像中一个像素区域与一个取像单元关联。
在本申请的一些实施方式中,上述目标光谱波段的数量小于或等于原始多光谱图像对应的原始光谱波段的数量。
需要说明的是,为描述的方便和简洁,上述光谱图像的确定装置400的具体工作过程,可以参考图1至图3所述方法的对应过程,在此不再赘述。
如图5所示,为本申请实施例提供的一种终端的示意图。该终端5可以包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52,例如光谱图像的确定程序。所述处理器50执行所述计算机程序52时实现上述各个光谱图像的确定方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示的图像获取单元401、量子效率确定单元402、像素值计算单元403、图像确定单元404。
所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端中的执行过程。
例如,所述计算机程序可以被分割成:图像获取单元、量子效率确定单元、像素值计算单元、图像确定单元。
各单元具体功能如下:图像获取单元,用于获取原始多光谱图像,所述原始多光谱图像包含多个像素区域,每个所述像素区域分别对应一个原始光谱波段;量子效率确定单元,用于确定一个或多个目标光谱波段,并确定在每个所述原始光谱波段上所述一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率;像素值计算单元,用于根据每个所述像素区域的像素值信息,以及所述量子效率,计算得到所述一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息;图像确定单元,用于基于所述目标像素值信息得到目标光谱图像。
所述终端可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端的示例,并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端的内部存储单元,例如终端的硬盘或内存。所述存储器51也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对各个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种光谱图像的确定方法,其特征在于,包括:
获取原始多光谱图像,所述原始多光谱图像包含多个像素区域,每个所述像素区域分别对应一个原始光谱波段;
确定一个或多个目标光谱波段,并确定在每个所述原始光谱波段上所述一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率;
根据每个所述像素区域的像素值信息,以及所述量子效率,计算得到所述一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息;
基于所述目标像素值信息得到目标光谱图像。
2.如权利要求1所述的光谱图像的确定方法,其特征在于,所述根据每个所述像素区域的像素值信息,以及所述量子效率,计算得到所述一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息,包括:
根据每个所述像素区域的像素值信息,构建像素矩阵;
根据在每个所述原始光谱波段上所述一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率,构建量子效率矩阵;
计算所述量子效率矩阵的广义逆矩阵;
根据所述像素矩阵和所述广义逆矩阵,计算得到所述一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息。
3.如权利要求1或2所述的光谱图像的确定方法,其特征在于,所述光谱图像的确定方法应用于终端,所述终端安装有多光谱图像传感器;
所述获取原始多光谱图像,包括:通过所述多光谱图像传感器获取所述原始多光谱图像。
4.如权利要求3所述的光谱图像的确定方法,其特征在于,所述多光谱图像传感器包括感光芯片和滤光片阵列;其中,所述滤光片阵列包括与所述原始光谱波段分别对应的滤光片;
所述通过所述多光谱图像传感器获取所述原始多光谱图像,包括:
获取由所述感光芯片根据目标光束生成的所述原始多光谱图像,所述目标光束为所述多光谱图像传感器的入射光束经所述滤光片阵列过滤后得到的光束。
5.如权利要求4所述的光谱图像的确定方法,其特征在于,所述感光芯片包括与所述滤光片阵列对应的取像阵列,所述取像阵列的每个取像单元分别与所述滤光片阵列的每个滤光片一一对应;并且,所述原始多光谱图像中一个像素区域与一个所述取像单元关联。
6.如权利要求1或2所述的光谱图像的确定方法,其特征在于,所述目标光谱波段的数量小于或等于所述原始多光谱图像对应的原始光谱波段的数量。
7.一种光谱图像的确定装置,其特征在于,包括:
图像获取单元,用于获取原始多光谱图像,所述原始多光谱图像包含多个像素区域,每个所述像素区域分别对应一个原始光谱波段;
量子效率确定单元,用于确定一个或多个目标光谱波段,并确定在每个所述原始光谱波段上所述一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率;
像素值计算单元,用于根据每个所述像素区域的像素值信息,以及所述量子效率,计算得到所述一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息;
图像确定单元,用于基于所述目标像素值信息得到目标光谱图像。
8.如权利要求7所述的光谱图像的确定装置,其特征在于,所述像素值计算单元还具体用于:
根据每个所述像素区域的像素值信息,构建像素矩阵;
根据在每个所述原始光谱波段上所述一个或多个目标光谱波段中各个目标光谱波段分别对应的量子效率,构建量子效率矩阵;
计算所述量子效率矩阵的广义逆矩阵;
根据所述像素矩阵和所述广义逆矩阵,计算得到所述一个或多个目标光谱波段中各个目标光谱波段分别对应的目标像素值信息。
9.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110837315.1A CN113554578B (zh) | 2021-07-23 | 2021-07-23 | 一种光谱图像的确定方法、装置、终端和存储介质 |
PCT/CN2022/100597 WO2023000907A1 (zh) | 2021-07-23 | 2022-06-23 | 一种光谱图像的确定方法、装置、终端和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110837315.1A CN113554578B (zh) | 2021-07-23 | 2021-07-23 | 一种光谱图像的确定方法、装置、终端和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113554578A true CN113554578A (zh) | 2021-10-26 |
CN113554578B CN113554578B (zh) | 2024-05-31 |
Family
ID=78104254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110837315.1A Active CN113554578B (zh) | 2021-07-23 | 2021-07-23 | 一种光谱图像的确定方法、装置、终端和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113554578B (zh) |
WO (1) | WO2023000907A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023000907A1 (zh) * | 2021-07-23 | 2023-01-26 | 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 |
CN116448689A (zh) * | 2023-06-16 | 2023-07-18 | 天津博霆光电技术有限公司 | 基于像素微分的单光频率物体全构造检测方法及设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116880907B (zh) * | 2023-08-30 | 2024-01-30 | 武汉精一微仪器有限公司 | 一种实时波长峰值提取方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100118172A1 (en) * | 2008-11-13 | 2010-05-13 | Mccarten John P | Image sensors having gratings for color separation |
US20140193050A1 (en) * | 2013-01-10 | 2014-07-10 | Caliper Life Sciences, Inc. | Multispectral Imaging Systems and Methods |
CN108520488A (zh) * | 2018-04-10 | 2018-09-11 | 深圳劲嘉集团股份有限公司 | 一种重构光谱并进行复制的方法以及电子设备 |
CN109887039A (zh) * | 2019-02-19 | 2019-06-14 | 广州视源电子科技股份有限公司 | 一种图像处理方法、装置、存储介质及终端 |
CN110987182A (zh) * | 2019-11-26 | 2020-04-10 | 西安电子科技大学 | 环形波长渐变滤光片和压缩感知的高光谱成像系统及方法 |
CN111386549A (zh) * | 2019-04-04 | 2020-07-07 | 合刃科技(深圳)有限公司 | 一种混合型高光谱图像重构的方法及系统 |
US20200304732A1 (en) * | 2019-03-20 | 2020-09-24 | Apple Inc. | Multispectral image decorrelation method and system |
CN112539837A (zh) * | 2020-11-24 | 2021-03-23 | 杭州电子科技大学 | 一种光谱计算重构方法、计算机设备及可读存储介质 |
CN112580433A (zh) * | 2020-11-24 | 2021-03-30 | 奥比中光科技集团股份有限公司 | 一种活体检测的方法及设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840569B (zh) * | 2010-03-19 | 2011-12-07 | 西安电子科技大学 | 基于迁移学习的投影寻踪高光谱图像分割方法 |
CN103476320A (zh) * | 2011-03-29 | 2013-12-25 | Hoya株式会社 | 诊断系统 |
CN108198228B (zh) * | 2017-12-29 | 2020-09-08 | 华中科技大学 | 一种天基红外高光谱图像智能压缩方法 |
CN109146890B (zh) * | 2018-07-16 | 2020-07-31 | 西安电子科技大学 | 基于滤波器的高光谱图像的异常目标检测方法 |
CN111008970B (zh) * | 2019-12-11 | 2023-04-18 | 江南大学 | 基于高光谱图像采集系统的梅干菜中杂质检测方法 |
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 |
-
2021
- 2021-07-23 CN CN202110837315.1A patent/CN113554578B/zh active Active
-
2022
- 2022-06-23 WO PCT/CN2022/100597 patent/WO2023000907A1/zh unknown
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100118172A1 (en) * | 2008-11-13 | 2010-05-13 | Mccarten John P | Image sensors having gratings for color separation |
US20140193050A1 (en) * | 2013-01-10 | 2014-07-10 | Caliper Life Sciences, Inc. | Multispectral Imaging Systems and Methods |
CN108520488A (zh) * | 2018-04-10 | 2018-09-11 | 深圳劲嘉集团股份有限公司 | 一种重构光谱并进行复制的方法以及电子设备 |
CN109887039A (zh) * | 2019-02-19 | 2019-06-14 | 广州视源电子科技股份有限公司 | 一种图像处理方法、装置、存储介质及终端 |
US20200304732A1 (en) * | 2019-03-20 | 2020-09-24 | Apple Inc. | Multispectral image decorrelation method and system |
CN111386549A (zh) * | 2019-04-04 | 2020-07-07 | 合刃科技(深圳)有限公司 | 一种混合型高光谱图像重构的方法及系统 |
WO2020199205A1 (zh) * | 2019-04-04 | 2020-10-08 | 合刃科技(深圳)有限公司 | 一种混合型高光谱图像重构的方法及系统 |
CN110987182A (zh) * | 2019-11-26 | 2020-04-10 | 西安电子科技大学 | 环形波长渐变滤光片和压缩感知的高光谱成像系统及方法 |
CN112539837A (zh) * | 2020-11-24 | 2021-03-23 | 杭州电子科技大学 | 一种光谱计算重构方法、计算机设备及可读存储介质 |
CN112580433A (zh) * | 2020-11-24 | 2021-03-30 | 奥比中光科技集团股份有限公司 | 一种活体检测的方法及设备 |
Non-Patent Citations (1)
Title |
---|
叶琼: "低照度CMOS图像传感器综合性能测试系统研制", 中国优秀硕士学位论文全文数据库 信息科技辑, pages 140 - 101 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023000907A1 (zh) * | 2021-07-23 | 2023-01-26 | 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 |
CN116448689A (zh) * | 2023-06-16 | 2023-07-18 | 天津博霆光电技术有限公司 | 基于像素微分的单光频率物体全构造检测方法及设备 |
CN116448689B (zh) * | 2023-06-16 | 2023-08-29 | 天津博霆光电技术有限公司 | 基于像素微分的单光频率物体全构造检测方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113554578B (zh) | 2024-05-31 |
WO2023000907A1 (zh) | 2023-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113554578B (zh) | 一种光谱图像的确定方法、装置、终端和存储介质 | |
Monakhova et al. | Spectral DiffuserCam: lensless snapshot hyperspectral imaging with a spectral filter array | |
JP6952277B2 (ja) | 撮像装置および分光システム | |
Xiong et al. | Hscnn: Cnn-based hyperspectral image recovery from spectrally undersampled projections | |
US8149400B2 (en) | Coded aperture snapshot spectral imager and method therefor | |
Koundinya et al. | 2D-3D CNN based architectures for spectral reconstruction from RGB images | |
Ma et al. | Acquisition of high spatial and spectral resolution video with a hybrid camera system | |
Golub et al. | Compressed sensing snapshot spectral imaging by a regular digital camera with an added optical diffuser | |
CN111386549B (zh) | 一种混合型高光谱图像重构的方法及系统 | |
US8810658B2 (en) | Estimating a visible vector representation for pixels in an infrared image | |
CN112580433A (zh) | 一种活体检测的方法及设备 | |
Tao et al. | Hyperspectral image recovery based on fusion of coded aperture snapshot spectral imaging and RGB images by guided filtering | |
CN107727231B (zh) | 一种对光谱成像仪条带噪声进行修正的方法 | |
CN108259865A (zh) | 一种基于单像素探测器的彩色成像方法和系统 | |
EP3869452A1 (en) | Object recognition method, vehicle control method, information display method, and object recognition device | |
Lapray et al. | High dynamic range spectral imaging pipeline for multispectral filter array cameras | |
Yang et al. | Deep‐learning based on‐chip rapid spectral imaging with high spatial resolution | |
CN113538285A (zh) | 一种光谱图像的确定方法、装置、终端和存储介质 | |
CN108051087B (zh) | 一种针对快速成像的八通道多光谱相机设计方法 | |
CN108896177B (zh) | 多通道复用的光谱图像获取方法 | |
Spote et al. | Joint demosaicing of colour and polarisation from filter arrays | |
Sun et al. | Simulation of proposed eight-band camera for capturing multispectral images | |
CN112672021B (zh) | 语言识别方法、装置及电子设备 | |
CN110332991B (zh) | 一种光谱的重构方法、装置和电子设备 | |
CN111667434B (zh) | 一种基于近红外增强的弱光彩色成像方法 |
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 |