CN114076637A - 高光谱获取方法及其系统、电子设备和编码宽光谱成像装置 - Google Patents

高光谱获取方法及其系统、电子设备和编码宽光谱成像装置 Download PDF

Info

Publication number
CN114076637A
CN114076637A CN202010808156.8A CN202010808156A CN114076637A CN 114076637 A CN114076637 A CN 114076637A CN 202010808156 A CN202010808156 A CN 202010808156A CN 114076637 A CN114076637 A CN 114076637A
Authority
CN
China
Prior art keywords
light source
spectrum
brightness data
data
wide
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
CN202010808156.8A
Other languages
English (en)
Other versions
CN114076637B (zh
Inventor
徐文杰
李程辉
汲梦宇
胡增新
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.)
Sunny Optical Zhejiang Research Institute Co Ltd
Original Assignee
Sunny Optical Zhejiang Research Institute 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 Sunny Optical Zhejiang Research Institute Co Ltd filed Critical Sunny Optical Zhejiang Research Institute Co Ltd
Priority to CN202010808156.8A priority Critical patent/CN114076637B/zh
Publication of CN114076637A publication Critical patent/CN114076637A/zh
Application granted granted Critical
Publication of CN114076637B publication Critical patent/CN114076637B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/04—Synchronising
    • 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
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10036—Multispectral image; Hyperspectral image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

一种高光谱获取方法及其系统、电子设备和编码宽光谱成像装置。该高光谱获取方法，包括步骤：获取宽光谱光源的亮度数据和背景光的亮度数据；根据该背景光的亮度数据，对该宽光谱光源的亮度数据进行预处理，以得到去背景光的宽光谱光源亮度数据；根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表；以及根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取。

Description

高光谱获取方法及其系统、电子设备和编码宽光谱成像装置
技术领域
本发明涉及高光谱成像技术领域，尤其是涉及高光谱获取方法及其系统、电子设备和编码宽光谱成像装置。
背景技术
光谱成像技术是利用了物质对不同电磁波谱的吸收或辐射特性，在普通的二维空间成像的基础上，增加了一维的光谱信息，其可以在电磁波段的紫外、可见光、近红外以及中红外区域，获取许多窄带并且光谱连续的图像数据，为每个像元提供一条完整并且连续的光谱曲线。根据所获得的目标物的波段不同，光谱成像技术可以分为多光谱成像技术(获取波段在3-12之间，光谱分辨率一般在100nm左右)、高光谱成像技术(获取波段在100-200之间，光谱分辨率一般在10nm左右)以及超光谱成像技术(获取波段在1000-10000之间，光谱分辨率一般在1nm左右)，其中高光谱成像技术起源于地质矿物识别填图研究，逐渐扩展到植被生态、海洋海岸水色、冰雪、土壤以及大气的研究中。区别于传统的RGB图像，高光谱图像在光谱纬度有100-200的通道数，根据不同化合物独特的光谱特征，可以像指纹一样区分不同的化合物，在遥感、成分检测、健康监控、军事以及科学研究等领域都具有非常重要的意义。
目前，常见的光谱成像装置通常可以配置光栅分光、声光可调谐滤波分光、棱镜分光、芯片镀膜或编码宽光谱成像等器件，其中：配置有光栅分光的光谱成像装置需要选择高灵敏相机，同时需要配备光源；配置有声光可调谐滤波分光的光谱成像装置则由声光介质、换能器以及声终端三部分组成；配置有棱镜分光的光谱成像装置则将入射光经由棱镜分成不同的方向，然后照射到不同方向的探测器上进行成像；配置有芯片镀膜的光谱成像装置则是在探测器的像源上分别镀不同波段的滤波膜来实现高光谱成像；配置有编码宽光谱成像的光谱成像装置是将物体发出(或反射)的光经由光谱曲线不同的编码宽光谱调制器件(比如光谱透过率不同的滤光片)调制后入射到成像器件上，得到被测物在编码宽光谱光源照射下的亮度数据，并解算还原被测物在各谱段的图像。
然而，一方面，配置有光栅分光、声光可调谐滤波分光、棱镜分光或芯片镀膜的光谱成像装置存在的缺点主要是光谱分辨率受限于光栅、滤光片、棱镜或镀膜的分光精度，实现高光谱成像实现成本高，同时光谱经过窄带分光后，得到的窄带光能量大大降低，也会影响成像质量；另一方面，配置有编码宽光谱成像的光谱成像装置的缺点则是每个成像点的高光谱还原的计算量较大。特别是，考虑到常用图像传感器的分辨率在百万甚至千万像素以上，对所有像素的光谱还原的计算量十分庞大，这将导致在一般的嵌入式低功耗平台，编码宽光谱成像方法难以实施。
发明内容
本发明的一优势在于提供一高光谱获取方法及其系统、电子设备和编码宽光谱成像装置，其能够解决编码宽光谱解算还原计算量庞大的问题，有助于降低编码光谱解算对硬件平台的处理能力的要求。
本发明的另一优势在于提供一高光谱获取方法及其系统、电子设备和编码宽光谱成像装置，其中，在本发明的一实施例中，所述高光谱获取方法能够根据原始光谱数据的相似性进行分类，在保证最终光谱解算精度的前提下，大大减少高光谱解算的成像点数量，减少编码宽光谱成像装置设计的硬件成本。
本发明的另一优势在于提供一高光谱获取方法及其系统、电子设备和编码宽光谱成像装置，其中，在本发明的一实施例中，所述高光谱获取方法能够利用分块操作的方法来避免宽光谱光源亮度数据的分类查找表过大，以减小相似性分类的查找计算量，从而进一步减少所述高光谱获取方法的计算量。
本发明的另一优势在于提供一高光谱获取方法及其系统、电子设备和编码宽光谱成像装置，其中，在本发明的一实施例中，所述高光谱获取方法能够根据实际光谱复原的理论，建立对原始编码宽光谱数据的相似性评价方法，解决了单张图像的聚类分块的光谱复原效果下降严重的问题。
本发明的另一优势在于提供一高光谱获取方法及其系统、电子设备和编码宽光谱成像装置，其中，在本发明的一实施例中，所述高光谱获取方法能够基于编码宽光谱光源亮度信息的相似性评价方法，构建相似数据的分类查找表，有效减少光谱复原的计算维度，减少了光谱解算的计算量。
本发明的另一优势在于提供一高光谱获取方法及其系统、电子设备和编码宽光谱成像装置，其中，在本发明的一实施例中，所述高光谱获取方法能够在实际应用中，根据评估运算性能的高低，可量化调整的被测物的光谱还原精度，达到控制计算量的目的。
本发明的另一优势在于提供一高光谱获取方法及其系统、电子设备和编码宽光谱成像装置，其中为了达到上述优势，在本发明中不需要采用复杂的结构和庞大的计算量，对软硬件要求低。因此，本发明成功和有效地提供一解决方案，不只提供一高光谱获取方法及其系统、电子设备和编码宽光谱成像装置，同时还增加了所述高光谱获取方法及其系统、电子设备和编码宽光谱成像装置的实用性和可靠性。
为了实现上述至少一优势或其他优势和目的，本发明提供了一高光谱获取方法，包括步骤：
获取宽光谱光源的亮度数据和背景光的亮度数据；
根据该背景光的亮度数据，对该宽光谱光源的亮度数据进行预处理，以得到去背景光的宽光谱光源亮度数据；
根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表；以及
根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取。
根据本发明的一实施例，所述根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表的步骤，包括步骤：
存储该去背景光的宽光谱光源亮度数据中的第一个像素点坐标至该宽光谱光源亮度数据的分类查找表；
基于该相似性分类模型，计算该去背景光的宽光谱光源亮度数据中的下一个像素点与该宽光谱光源亮度数据的分类查找表中的已有像素点之间的相似性值；
判断该相似性值是否大于预设的允许偏差阈值，如果是，则将该去背景光的宽光谱光源亮度数据中的当前像素点坐标存储至该宽光谱光源亮度数据的分类查找表中的已有像素点分类中；如果否，则将该去背景光的宽光谱光源亮度数据中的当前像素点坐标存储至该宽光谱光源亮度数据的分类查找表中的新构建像素点分类中；以及
重复上述计算步骤和判断步骤，直至完成该去背景光的宽光谱光源亮度数据中所有像素点在该宽光谱光源亮度数据的分类查找表中的分类。
根据本发明的一实施例，该相似性分类模型为：
ΔL＝|L1-L2|；其中
Figure BDA0002629919340000041
式中：ΔL为该去背景光的宽光谱光源亮度数据中的当前像素点与该宽光谱光源亮度数据的分类查找表中的已有像素点之间的相似性值；L1和L2分别为该去背景光的宽光谱光源亮度数据中的当前像素点和该宽光谱光源亮度数据的分类查找表中的已有像素点的亮度值。
根据本发明的一实施例，该预设的允许偏差阈值是根据被测物光谱曲线的还原精度来换算出的宽光谱光源亮度值的允许偏差范围。
根据本发明的一实施例，所述根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表的步骤，进一步包括步骤：
在构建该宽光谱光源亮度数据的分类查找表之前，对该去背景光的宽光谱光源亮度数据进行分块操作，以针对该去背景光的宽光谱光源亮度数据中的每块区域分别进行相似性分类处理。
根据本发明的一实施例，所述根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取的步骤，包括步骤：
从该宽光谱光源亮度数据的分类查找表中选取待解算类型的坐标；
基于被测物光谱曲线还原的解算模型，依次将与该待解算类型的坐标所对应的该去背景光的宽光谱光源亮度数据解算还原出被测物的光谱曲线数据；以及
存储该被测物的光谱曲线数据，以完成高光谱的获取。
根据本发明的一实施例，该待解算类型的坐标为该宽光谱光源亮度数据的分类查找表中每个类型的首个坐标。
根据本发明的一实施例，该被测物光谱曲线还原的解算模型为：
Figure BDA0002629919340000042
其中，I为该去背景光的宽光谱光源亮度数据中的亮度值数据；M为编码光源阵列中的编码光源数量；S是由光源光谱响应曲线、传感器的接收光谱响应曲线以及滤光片的光谱响应曲线构建的光谱测量系数矩阵；N为还原光谱的波段数；P为需要计算的被测物的光谱信息；K为亮度数据分类的总数。
根据本发明的一实施例，该宽光谱光源的亮度数据是通过编码宽光谱成像装置的图像传感器在该编码宽光谱成像装置的编码光源阵列中的每个编码光源照射下采集的亮度数据；并且该背景光的亮度数据是通过该编码宽光谱成像装置的该图像传感器在关闭该编码宽光谱成像装置的该编码光源阵列中所有的编码光源下采集的亮度数据。
根据本发明的一实施例，将该宽光谱光源的亮度数据减去该背景光的亮度数据，以得到该去背景光的宽光谱光源亮度数据。
根据本发明的另一方面，本发明进一步提供了一高光谱获取系统，包括相互可通信地连接的：
一获取模块，用于获取宽光谱光源的亮度数据和背景光的亮度数据；
一预处理模块，用于根据该背景光的亮度数据，对该宽光谱光源的亮度数据进行预处理，以得到去背景光的宽光谱光源亮度数据；
一相似性分类模块，用于根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表；以及
一解算还原模块，用于根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取。
根据本发明的一实施例，所述相似性分类模块包括相互可通信地连接的一存储模块、一相似性计算模块以及一判断模块，其中所述存储模块用于存储该去背景光的宽光谱光源亮度数据中的第一个像素点坐标至该宽光谱光源亮度数据的分类查找表；其中所述相似性计算模块用于基于该相似性分类模型，计算该去背景光的宽光谱光源亮度数据中的下一个像素点与该宽光谱光源亮度数据的分类查找表中的已有像素点之间的相似性值；其中所述判断模块用于判断该相似性值是否大于预设的允许偏差阈值，如果是，则将该去背景光的宽光谱光源亮度数据中的当前像素点坐标存储至该宽光谱光源亮度数据的分类查找表中的已有像素点分类中；如果否，则将该去背景光的宽光谱光源亮度数据中的当前像素点坐标存储至该宽光谱光源亮度数据的分类查找表中的新构建像素点分类中。
根据本发明的一实施例，所述相似性分类模块进一步包括一分块模块，其中所述分块模块用于在构建该宽光谱光源亮度数据的分类查找表之前，对该去背景光的宽光谱光源亮度数据进行分块操作，以针对该去背景光的宽光谱光源亮度数据中的每块区域分别进行相似性分类处理。
根据本发明的另一方面，本发明进一步提供了一电子设备，包括：
至少一处理器，用于执行指令；和
与所述至少一处理器可通信地连接的存储器，其中，所述存储器具有至少一指令，其中，所述指令被所述至少一处理器执行，以使得所述至少一处理器执行高光谱获取方法中的部分或全部步骤，其中所述高光谱获取方法包括步骤：
获取宽光谱光源的亮度数据和背景光的亮度数据；
根据该背景光的亮度数据，对该宽光谱光源的亮度数据进行预处理，以得到去背景光的宽光谱光源亮度数据；
根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表；以及
根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取。
根据本发明的另一方面，本发明进一步提供了一编码宽光谱成像装置，包括：
一编码光源阵列，其中所述编码光源阵列包括阵列排布的编码光源；
一图像传感器，其中所述图像传感器用于在所述编码光源阵列中每所述编码光源被点亮或所有所述编码光源被光闭时进行曝光以获取被测物的亮度数据；以及
一高光谱获取系统，其中所述高光谱获取系统包括相互可通信地连接的：
一获取模块，用于获取宽光谱光源的亮度数据和背景光的亮度数据；
一预处理模块，用于根据该背景光的亮度数据，对该宽光谱光源的亮度数据进行预处理，以得到去背景光的宽光谱光源亮度数据；
一相似性分类模块，用于根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表；以及
一解算还原模块，用于根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取。
根据本发明的一实施例，所述的编码宽光谱成像装置，进一步包括一时序同步单元，其中所述时序同步单元被可控制地连接于所述图像传感器和所述编码光源阵列，用于保证所述编码光源阵列中的所述编码光源的开关与所述图像传感器的曝光拍照的时序同步。
通过对随后的描述和附图的理解，本发明进一步的目的和优势将得以充分体现。
本发明的这些和其它目的、特点和优势，通过下述的详细说明，附图和权利要求得以充分体现。
附图说明
图1是根据本发明的一实施例的高光谱获取方法的流程示意图。
图2示出了根据本发明的上述实施例的所述高光谱获取方法的步骤之一的流程示意图。
图3示出了根据本发明的上述实施例的所述高光谱获取方法的步骤之二的流程示意图。
图4示出了根据本发明的上述实施例的所述高光谱获取方法中宽光谱光源亮度数据的分类查找表的一个示例。
图5示出了根据本发明的上述实施例的所述高光谱获取方法中被测物的光谱曲线数据的存储格式的一个示例。
图6示出了根据本发明的一实施例的高光谱获取系统的框图示意图。
图7示出了根据本发明的一实施例的电子设备的框图示意图。
图8示出了根据本发明的一实施例的编码宽光谱成像装置的框图示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
在本发明中，权利要求和说明书中术语“一”应理解为“一个或多个”，即在一个实施例，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个。除非在本发明的揭露中明确示意该元件的数量只有一个，否则术语“一”并不能理解为唯一或单一，术语“一”不能理解为对数量的限制。
在本发明的描述中，需要理解的是，属于“第一”、“第二”等仅用于描述目的，而不能理解为指示或者暗示相对重要性。本发明的描述中，需要说明的是，除非另有明确的规定和限定，属于“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接或者一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以是通过媒介间接连结。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
针对编码宽光谱成像所遇到光谱还原解算的计算量庞大，难以在低功耗平台实施的问题，本申请提出一种高光谱获取方法及其系统、电子设备和编码宽光谱成像装置，其采用原始光谱图像优化单元，根据原始光谱数据的相似性进行分类，在保证最终光谱解算精度的前提下，大大减少高光谱解算的成像点数量，减少编码宽光谱成像装置设计的硬件成本。
示意性方法
参考说明书附图之图1至图3所示，根据本发明的一实施例的一种高光谱获取方法被阐明。具体地，如图1所示，所述高光谱获取方法可以包括步骤：
S100：获取宽光谱光源的亮度数据和背景光的亮度数据；
S200：根据所述背景光的亮度数据，对所述宽光谱光源的亮度数据进行预处理，以得到去背景光的宽光谱光源亮度数据；
S300：根据相似性分类模型，对所述去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表；以及
S400：根据所述宽光谱光源亮度数据的分类查找表，将所述去背景光的宽光谱光源亮度数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取。
值得注意的是，由于所述去背景光的宽光谱光源亮度数据对应的分辨率通常在百万甚至千万像素以上，因此如果对所有像素的光谱均进行解算还原，则其计算量将十分庞大，这将导致在一般的嵌入式低功耗平台，难以实现编码宽光谱的成像方法。而本发明的所述高光谱获取方法则利用相似性分类处理的方式获得所述宽光谱光源亮度数据的分类查找表，使得所述分类查找表中同一类的像素只需进行一次解算还原计算，大大地减少了高光谱解算的成像点数量和计算量，进而减小了编码宽光谱成像的硬件设计成本，使得编码宽光谱成像方法能够在低功耗平台上运行。
更具体地，在本发明的上述实施例的所述高光谱获取方法的所述步骤S100中：所述宽光谱光源的亮度数据是通过编码宽光谱成像装置的图像传感器在所述编码宽光谱成像装置的编码光源阵列中的每个编码光源照射下采集的亮度数据；并且所述背景光的亮度数据是通过所述编码宽光谱成像装置的所述图像传感器在关闭所述编码宽光谱成像装置的所述编码光源阵列中所有的编码光源下采集的亮度数据。
换言之，所述编码宽光谱成像装置可以包括所述图像传感器和所述编码光源阵列，当所述编码光源阵列中的编码光源被依次点亮时，所述图像传感器对应地进行曝光以在每个所述编码光源的照射下采集被测物的亮度值数据，以获得所述宽光谱光源的亮度数据；当所述编码光源阵列中所有的编码光源均被关闭时，所述图像传感器将在背景光下曝光以采集被测物的亮度值数据，以获得所述背景光的亮度数据。可以理解的是，所述编码宽光谱成像装置的所述图像传感器可以但不限于被实施为CCD芯片或CMOS芯片；所述编码宽光谱成像装置的所述编码光源阵列可以但不限于被实施为采用多个镀膜滤光片分别对多个LED灯的发光进行调制编码后的光源阵列。
优选地，所述编码宽光谱成像装置可以进一步包括一时序同步单元，其中所述时序同步单元被可控制地连接于所述图像传感器和所述编码光源阵列，用于保证所述编码光源阵列中的所述编码光源的开关与所述图像传感器的曝光拍照的时序同步。
示例性地，首先，所述编码宽光谱成像装置的所述编码光源阵列在所述时序同步单元的控制下，点亮所述编码光源阵列中的1号编码光源；
接着，在所述1号编码光源被点亮一段时间(确保所述1号编码光源的光照强度稳定)之后，所述图像传感器在所述时序同步单元的控制下开始曝光，以完成在所述1号编码光源的照射下被测物的亮度值数据的采集；
之后，所述编码宽光谱成像装置的所述编码光源阵列在所述时序同步单元的控制下，点亮所述编码光源阵列中的下一号编码光源；再次使得所述图像传感器在所述时序同步单元的控制下开始曝光，以完成在当前编码光源的照射下被测物的亮度值数据的采集；
如此，重复上述光源点亮和数据采集步骤，直至获得在所述编码光源阵列内的所有编码光源照射下的亮度数据，即得到所述宽光谱光源的亮度数据。
最后，关闭所述编码光源阵列内的所有编码光源之后，所述图像传感器开始曝光，以得到所述背景光的亮度数据。当然，在本发明的其他示例中，所述图像传感器也可以多次曝光，以计算出多次背景光的亮度数据的平均值。
根据本发明的上述实施例，在所述高光谱获取方法的所述步骤S200中：优选地将所述宽光谱光源的亮度数据减去所述背景光的亮度数据，以得到所述去背景光的宽光谱光源亮度数据。可以理解的是，当所述编码宽光谱成像装置的所述编码光源阵列中包括M个编码光源时，所述宽光谱光源的亮度数据的数量为M个。对应地，所述去背景光的宽光谱光源亮度数据的数量也是M个，并分别对应于M个编码光源。
值得一提的是，如图2所示，根据本发明的上述实施例的所述高光谱获取方法的所述步骤S300，可以包括步骤：
S310：存储所述去背景光的宽光谱光源亮度数据中的第一个像素点坐标至所述宽光谱光源亮度数据的分类查找表；
S320：基于所述相似性分类模型，计算所述去背景光的宽光谱光源亮度数据中的下一个像素点与所述宽光谱光源亮度数据的分类查找表中的已有像素点之间的相似性值；
S330：判断所述相似性值是否大于预设的允许偏差阈值，如果是，则将所述去背景光的宽光谱光源亮度数据中的当前像素点坐标存储至所述宽光谱光源亮度数据的分类查找表中的已有像素点分类中；如果否，则将所述去背景光的宽光谱光源亮度数据中的当前像素点坐标存储至所述宽光谱光源亮度数据的分类查找表中的新构建像素点分类中；以及
S340：重复上述计算步骤和判断步骤，直至完成所述去背景光的宽光谱光源亮度数据中所有像素点在所述宽光谱光源亮度数据的分类查找表中的分类。
值得注意的是，在本发明的上述实施例中，所述相似性分类模型可以但不限于被实施为：
ΔL＝|L1-L2|；其中
Figure BDA0002629919340000111
其中：ΔL为所述去背景光的宽光谱光源亮度数据中的当前像素点与所述宽光谱光源亮度数据的分类查找表中的已有像素点的相似性值；L1和L2分别为所述去背景光的宽光谱光源亮度数据中的当前像素点和所述宽光谱光源亮度数据的分类查找表中的已有像素点的亮度值。
此外，所述预设的允许偏差阈值β可以是根据被测物的光谱曲线的还原精度来换算出宽光谱光源亮度值的允许偏差范围。优选地，β＝5％。
这样，当ΔL≤β时，则认为当前像素点和已有像素点的宽光谱光源亮度数据属于相同被测物的光谱曲线的还原数据类型，因此将该当前像素点的坐标存于已有的宽光谱光源亮度数据的分类查找表中；而当ΔL＞β时，则认为当前像素点和已有像素点的宽光谱光源亮度数据属于不同被测物的光谱曲线的还原数据类型，因此将该当前像素点的坐标存于新构建的宽光谱光源亮度数据的分类查找表中(表示新的被测物光谱信息的类型，需要重新做光谱曲线还原)。例如，附图4示出了所述宽光谱光源亮度数据的分类查找表的一个示例，其中k为光谱分类的总数，坐标k.0和坐标k.1是与属于相同被测物的光谱曲线对应的像素点坐标；而坐标1.0、坐标2.0以及坐标k.0则是与属于不同被测物的光谱曲线对应的像素点坐标。
值得注意的是，当宽光谱光源亮度数据的分类查找表过大时，在进行相似性分类时的计算量也将变得较大，这仍不利于在低功耗平台上实施。因此，为了避免宽光谱光源亮度数据的分类查找表过大，本发明的所述高光谱获取方法的所述步骤S300，可以进一步包括步骤：
S350：在构建所述宽光谱光源亮度数据的分类查找表之前，对所述去背景光的宽光谱光源亮度数据进行分块操作，以针对所述去背景光的宽光谱光源亮度数据中的每块区域分别进行相似性分类处理。
示例性地，所述去背景光的宽光谱光源亮度数据可以通过超像素分割方法来进行分块操作，使得不同的被测物(如桌子、书籍等等)被划分成不同的分块，以避免块内的宽光谱光源亮度数据的分类查找表过大。当然，在本发明的其他示例中，所述去背景光的宽光谱光源亮度数据还可以通过矩阵分割的方式进行平均分块操作，例如，所述去背景光的宽光谱光源亮度数据可以按照8*8矩阵的分割方式被分成64块；或者所述去背景光的宽光谱光源亮度数据还可以按照16*16矩阵的分割方式被分成256块等等。
根据本发明的上述实施例，如图3所示，所述高光谱获取方法的所述步骤S400，可以包括步骤：
S410：从所述宽光谱光源亮度数据的分类查找表中选取待解算类型的坐标；
S420：基于被测物光谱曲线还原的解算模型，依次将与所述待解算类型的坐标所对应的所述去背景光的宽光谱光源亮度数据解算还原出被测物的光谱曲线数据；以及
S430：存储所述被测物的光谱曲线数据，以完成高光谱的获取。
值得注意的是，在所述步骤S410中，所述待解算类型的坐标优选地被实施为所述宽光谱光源亮度数据的分类查找表中每个类型的首个坐标，如坐标1.0；坐标2.0以及坐标k.0等等。
在所述步骤S420中：可以利用诸如主成分分析法(PCA)或凸优化法等非优化方法来解算还原出所述被测物的光谱曲线数据。
示例性地，以
Figure BDA0002629919340000121
表示与所述待解算类型的坐标所对应的所述去背景光的宽光谱光源亮度数据；以
Figure BDA0002629919340000122
表示所述被测物的光谱曲线数据，则所述被测物光谱曲线还原的解算模型可以但不限于被实施为：
Figure BDA0002629919340000131
其中，I为所述去背景光的宽光谱光源亮度数据中的亮度值数据；M为编码光源阵列中的编码光源数量；S是由光源光谱响应曲线、传感器的接收光谱响应曲线以及滤光片的光谱响应曲线构建的光谱测量系数矩阵；N为还原光谱的波段数；P为需要计算的被测物的光谱信息；K为亮度数据分类的总数。可以理解的是，在可见光范围内，还原光谱的分辨率为2nm时，则波段数为200个(780nm减去380nm之后，再除以2nm的分辨率)；被测物的光谱信息可以是被测物的反射光谱或透射光谱。
此外，假设被测物还原光谱信息的允许精度偏差量为
Figure BDA0002629919340000132
分别遍历
Figure BDA0002629919340000133
到
Figure BDA0002629919340000134
范围，计算
Figure BDA0002629919340000135
公式反求的
Figure BDA0002629919340000136
最大偏差量，以作为编码宽光谱光源亮度值的允许偏差阈值β。
值得一提的是，在所述步骤S430中，可以每解算还原出一个待解算类型对应的所述被测物的光谱曲线数据就立刻被存储起来，也可以在解算还原出所有的待解算类型对应的所述被测物的光谱曲线数据之后，再被一起存储起来。例如，附图5示出了所述被测物的光谱曲线数据的存储格式的一个示例。
示意性系统
参考说明书附图之图6所示，根据本发明的一实施例的一高光谱获取系统被阐明。具体地，如图6所示，所述高光谱获取系统1可以包括相互可通信地连接的：
一获取模块10，用于获取宽光谱光源的亮度数据和背景光的亮度数据；
一预处理模块20，用于根据该背景光的亮度数据，对该宽光谱光源的亮度数据进行预处理，以得到去背景光的宽光谱光源亮度数据；
一相似性分类模块30，用于根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表；以及
一解算还原模块40，用于根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取。
值得注意的是，在本发明的一示例中，如图6所示，所述相似性分类模块30包括相互可通信地连接的一存储模块31、一相似性计算模块32以及一判断模块33，其中所述存储模块31用于存储该去背景光的宽光谱光源亮度数据中的第一个像素点坐标至该宽光谱光源亮度数据的分类查找表；其中所述相似性计算模块32用于基于该相似性分类模型，计算该去背景光的宽光谱光源亮度数据中的下一个像素点与该宽光谱光源亮度数据的分类查找表中的已有像素点之间的相似性值；其中所述判断模块33用于判断该相似性值是否大于预设的允许偏差阈值，如果是，则将该去背景光的宽光谱光源亮度数据中的当前像素点坐标存储至该宽光谱光源亮度数据的分类查找表中的已有像素点分类中；如果否，则将该去背景光的宽光谱光源亮度数据中的当前像素点坐标存储至该宽光谱光源亮度数据的分类查找表中的新构建像素点分类中。
在本发明的一示例中，如图6所示，所述相似性分类模块30进一步包括一分块模块34，其中所述分块模块34用于在构建该宽光谱光源亮度数据的分类查找表之前，对该去背景光的宽光谱光源亮度数据进行分块操作，以针对该去背景光的宽光谱光源亮度数据中的每块区域分别进行相似性分类处理。
示意性电子设备
下面，参考图7来描述根据本发明的一实施例的电子设备。如图7所示，电子设备90包括一个或多个处理器91和存储器92。
所述处理器91可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备90中的其他组件以执行期望的功能。换言之，所述处理器91包括被配置成执行指令的一个或多个物理设备。例如，所述处理器91可被配置成执行作为以下各项的一部分的指令：一个或多个应用、服务、程序、例程、库、对象、组件、数据结构、或其他逻辑构造。这种指令可被实现以执行任务、实现数据类型、转换一个或多个部件的状态、实现技术效果、或以其他方式得到期望结果。
所述处理器91可包括被配置成执行软件指令的一个或多个处理器。作为补充或替换，所述处理器91可包括被配置成执行硬件或固件指令的一个或多个硬件或固件逻辑机。所述处理器91的处理器可以是单核或多核，且在其上执行的指令可被配置为串行、并行和/或分布式处理。所述处理器91的各个组件可任选地分布在两个或更多单独设备上，这些设备可以位于远程和/或被配置成进行协同处理。所述处理器91的各方面可由以云计算配置进行配置的可远程访问的联网计算设备来虚拟化和执行。
所述存储器92可以包括一个或多个计算程序产品，所述计算程序产品可以包括各种形式的计算可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算可读存储介质上可以存储一个或多个计算程序指令，所述处理器11可以运行所述程序指令，以实现上文所述的本发明的上述示意性方法中的部分或全部步骤，以及/或者其他期望的功能。
换言之，所述存储器92包括被配置成保存可由所述处理器91执行以实现此处所述的方法和过程的机器可读指令的一个或多个物理设备。在实现这些方法和过程时，可以变换所述存储器92的状态(例如，保存不同的数据)。所述存储器92可以包括可移动和/或内置设备。所述存储器92可包括光学存储器(例如，CD、DVD、HD-DVD、蓝光盘等)、半导体存储器(例如，RAM、EPROM、EEPROM等)和/或磁存储器(例如，硬盘驱动器、软盘驱动器、磁带驱动器、MRAM等)等等。所述存储器92可包括易失性、非易失性、动态、静态、读/写、只读、随机存取、顺序存取、位置可寻址、文件可寻址和/或内容可寻址设备。
可以理解，所述存储器92包括一个或多个物理设备。然而，本文描述的指令的各方面可另选地通过不由物理设备在有限时长内持有的通信介质(例如，电磁信号、光信号等)来传播。所述处理器91和所述存储器92的各方面可被一起集成到一个或多个硬件逻辑组件中。这些硬件逻辑组件可包括例如现场可编程门阵列(FPGA)、程序和应用专用的集成电路(PASIC/ASIC)、程序和应用专用的标准产品(PSSP/ASSP)、片上系统(SOC)以及复杂可编程逻辑器件(CPLD)。
在一个示例中，如图7所示，所述电子设备90还可以包括输入装置93和输出装置94，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。例如，该输入装置93可以是例如用于采集图像数据或视频数据的摄像模组等等。又如，所述输入装置93可以包括诸如键盘、鼠标、触摸屏或游戏控制器之类的一个或多个用户输入设备或者与其对接。在一些实施例中，所述输入装置93可以包括所选择的自然用户输入(NUI)部件或与其对接。这种元件部分可以是集成的或外围的，并且输入动作的转导和/或处理可以在板上或板外被处理。示例NUI部件可包括用于语言和/或语音识别的话筒；用于机器视觉和/或姿势识别的红外、色彩、立体显示和/或深度相机；用于运动测试和/或意图识别的头部跟踪器、眼睛跟踪器、加速计和/或陀螺仪；以及用于评估脑部活动和/或身体运动的电场感测部件；和/或任何其他合适的传感器。
该输出装置94可以向外部输出各种信息，包括分类结果等。该输出装置94可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，所述电子设备90还可以进一步包括所述通信装置，其中所述通信装置可被配置成将所述电子设备90与一个或多个其他计算机设备通信地耦合。所述通信装置可以包括与一个或多个不同通信协议兼容的有线和/或无线通信设备。作为非限制性示例，通信子系统可被配置成用于经由无线电话网络或者有线或无线局域网或广域网来进行通信。在一些实施例中，所述通信装置可允许所述电子设备90经由诸如因特网这样的网络将消息发送至其他设备以及/或者从其它设备接收消息。
将会理解，此处描述的配置和/或方法本质是示例性的，这些具体实施例或示例不应被视为限制性的，因为许多变体是可能的。此处描述的具体例程或方法可以表示任何数量的处理策略中的一个或多个。如此，所示和/或所述的各种动作可以以所示和/或所述顺序、以其他顺序、并行地执行，或者被省略。同样，上述过程的次序可以改变。
当然，为了简化，图7中仅示出了该电子设备90中与本发明有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备90还可以包括任何其他适当的组件。
示意性装置
根据本发明的另一方面，本发明进一步提供了一编码宽光谱成像装置。示例性地，如图8所示，所述编码宽光谱成像装置包括一编码光源阵列50、一图像传感器60以及一高光谱获取系统1，其中所述编码光源阵列50包括阵列排布的多个编码光源；其中所述图像传感器60用于在所述编码光源阵列50中每所述编码光源被点亮或所有所述编码光源被光闭时进行曝光以获取被测物的亮度数据；其中所述高光谱获取系统1可以包括相互可通信地连接的：一获取模块10，用于获取宽光谱光源的亮度数据和背景光的亮度数据；一预处理模块20，用于根据该背景光的亮度数据，对该宽光谱光源的亮度数据进行预处理，以得到去背景光的宽光谱光源亮度数据；一相似性分类模块30，用于根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表；以及一解算还原模块40，用于根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取。
值得注意的是，所述宽光谱光源的亮度数据是通过所述编码宽光谱成像装置的所述图像传感器60在所述编码光源阵列50中的每个编码光源照射下采集的亮度数据；并且所述背景光的亮度数据是通过所述编码宽光谱成像装置的所述图像传感器60在关闭所述编码光源阵列50中所有的编码光源下采集的亮度数据。
在本发明的一示例中，如图8所示，所述所述编码宽光谱成像装置可以进一步包括一时序同步单元70，其中所述时序同步单元70被可控制地连接于所述图像传感器60和所述编码光源阵列50，用于保证所述编码光源阵列50中的所述编码光源的开关与所述图像传感器60的曝光拍照的时序同步。
还需要指出的是，在本发明的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此，本发明不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

Claims (16)

1.一高光谱获取方法，其特征在于，包括步骤：
获取宽光谱光源的亮度数据和背景光的亮度数据；
根据该背景光的亮度数据，对该宽光谱光源的亮度数据进行预处理，以得到去背景光的宽光谱光源亮度数据；
根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表；以及
根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取。
2.如权利要求1所述的高光谱获取方法，其中，所述根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表的步骤，包括步骤：
存储该去背景光的宽光谱光源亮度数据中的第一个像素点坐标至该宽光谱光源亮度数据的分类查找表；
基于该相似性分类模型，计算该去背景光的宽光谱光源亮度数据中的下一个像素点与该宽光谱光源亮度数据的分类查找表中的已有像素点之间的相似性值；
判断该相似性值是否大于预设的允许偏差阈值，如果是，则将该去背景光的宽光谱光源亮度数据中的当前像素点坐标存储至该宽光谱光源亮度数据的分类查找表中的已有像素点分类中；如果否，则将该去背景光的宽光谱光源亮度数据中的当前像素点坐标存储至该宽光谱光源亮度数据的分类查找表中的新构建像素点分类中；以及
重复上述计算步骤和判断步骤，直至完成该去背景光的宽光谱光源亮度数据中所有像素点在该宽光谱光源亮度数据的分类查找表中的分类。
3.如权利要求2所述的高光谱获取方法，其中，该相似性分类模型为：
ΔL＝|L1-L2|；其中
Figure FDA0002629919330000021
式中：ΔL为该去背景光的宽光谱光源亮度数据中的当前像素点与该宽光谱光源亮度数据的分类查找表中的已有像素点之间的相似性值；L1和L2分别为该去背景光的宽光谱光源亮度数据中的当前像素点和该宽光谱光源亮度数据的分类查找表中的已有像素点的亮度值。
4.如权利要求3所述的高光谱获取方法，其中，该预设的允许偏差阈值是根据被测物光谱曲线的还原精度来换算出的宽光谱光源亮度值的允许偏差范围。
5.如权利要求2所述的高光谱获取方法，其中，所述根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表的步骤，进一步包括步骤：
在构建该宽光谱光源亮度数据的分类查找表之前，对该去背景光的宽光谱光源亮度数据进行分块操作，以针对该去背景光的宽光谱光源亮度数据中的每块区域分别进行相似性分类处理。
6.如权利要求1至5中任一所述的高光谱获取方法，其中，所述根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取的步骤，包括步骤：
从该宽光谱光源亮度数据的分类查找表中选取待解算类型的坐标；
基于被测物光谱曲线还原的解算模型，依次将与该待解算类型的坐标所对应的该去背景光的宽光谱光源亮度数据解算还原出被测物的光谱曲线数据；以及
存储该被测物的光谱曲线数据，以完成高光谱的获取。
7.如权利要求6所述的高光谱获取方法，其中，该待解算类型的坐标为该宽光谱光源亮度数据的分类查找表中每个类型的首个坐标。
8.如权利要求6所述的高光谱获取方法，其中，该被测物光谱曲线还原的解算模型为：
Figure FDA0002629919330000031
其中，I为该去背景光的宽光谱光源亮度数据中的亮度值数据；M为编码光源阵列中的编码光源数量；S是由光源光谱响应曲线、传感器的接收光谱响应曲线以及滤光片的光谱响应曲线构建的光谱测量系数矩阵；N为还原光谱的波段数；P为需要计算的被测物的光谱信息；K为亮度数据分类的总数。
9.如权利要求1至5中任一所述的高光谱获取方法，其中，该宽光谱光源的亮度数据是通过编码宽光谱成像装置的图像传感器在该编码宽光谱成像装置的编码光源阵列中的每个编码光源照射下采集的亮度数据；并且该背景光的亮度数据是通过该编码宽光谱成像装置的该图像传感器在关闭该编码宽光谱成像装置的该编码光源阵列中所有的编码光源下采集的亮度数据。
10.如权利要求1至5中任一所述的高光谱获取方法，其中，将该宽光谱光源的亮度数据减去该背景光的亮度数据，以得到该去背景光的宽光谱光源亮度数据。
11.一高光谱获取系统，其特征在于，包括相互可通信地连接的：
一获取模块，用于获取宽光谱光源的亮度数据和背景光的亮度数据；
一预处理模块，用于根据该背景光的亮度数据，对该宽光谱光源的亮度数据进行预处理，以得到去背景光的宽光谱光源亮度数据；
一相似性分类模块，用于根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表；以及
一解算还原模块，用于根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取。
12.如权利要求11所述的高光谱获取系统，其中，所述相似性分类模块包括相互可通信地连接的一存储模块、一相似性计算模块以及一判断模块，其中所述存储模块用于存储该去背景光的宽光谱光源亮度数据中的第一个像素点坐标至该宽光谱光源亮度数据的分类查找表；其中所述相似性计算模块用于基于该相似性分类模型，计算该去背景光的宽光谱光源亮度数据中的下一个像素点与该宽光谱光源亮度数据的分类查找表中的已有像素点之间的相似性值；其中所述判断模块用于判断该相似性值是否大于预设的允许偏差阈值，如果是，则将该去背景光的宽光谱光源亮度数据中的当前像素点坐标存储至该宽光谱光源亮度数据的分类查找表中的已有像素点分类中；如果否，则将该去背景光的宽光谱光源亮度数据中的当前像素点坐标存储至该宽光谱光源亮度数据的分类查找表中的新构建像素点分类中。
13.如权利要求12所述的高光谱获取系统，其中，所述相似性分类模块进一步包括一分块模块，其中所述分块模块用于在构建该宽光谱光源亮度数据的分类查找表之前，对该去背景光的宽光谱光源亮度数据进行分块操作，以针对该去背景光的宽光谱光源亮度数据中的每块区域分别进行相似性分类处理。
14.一电子设备，其特征在于，包括：
至少一处理器，用于执行指令；和
与所述至少一处理器可通信地连接的存储器，其中，所述存储器具有至少一指令，其中，所述指令被所述至少一处理器执行，以使得所述至少一处理器执行高光谱获取方法中的部分或全部步骤，其中所述高光谱获取方法包括步骤：
获取宽光谱光源的亮度数据和背景光的亮度数据；
根据该背景光的亮度数据，对该宽光谱光源的亮度数据进行预处理，以得到去背景光的宽光谱光源亮度数据；
根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表；以及
根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取。
15.一编码宽光谱成像装置，其特征在于，包括：
一编码光源阵列，其中所述编码光源阵列包括阵列排布的编码光源；
一图像传感器，其中所述图像传感器用于在所述编码光源阵列中每所述编码光源被点亮或所有所述编码光源被光闭时进行曝光以获取被测物的亮度数据；以及
一高光谱获取系统，其中所述高光谱获取系统包括相互可通信地连接的：
一获取模块，用于获取宽光谱光源的亮度数据和背景光的亮度数据；
一预处理模块，用于根据该背景光的亮度数据，对该宽光谱光源的亮度数据进行预处理，以得到去背景光的宽光谱光源亮度数据；
一相似性分类模块，用于根据相似性分类模型，对该去背景光的宽光谱光源亮度数据进行相似性分类处理，以得到宽光谱光源亮度数据的分类查找表；以及
一解算还原模块，用于根据该宽光谱光源亮度数据的分类查找表，将该去背景光的宽光谱光源数据解算还原出被测物的光谱曲线数据，以完成高光谱的获取。
16.如权利要求15所述的编码宽光谱成像装置，进一步包括一时序同步单元，其中所述时序同步单元被可控制地连接于所述图像传感器和所述编码光源阵列，用于保证所述编码光源阵列中的所述编码光源的开关与所述图像传感器的曝光拍照的时序同步。
CN202010808156.8A 2020-08-12 2020-08-12 高光谱获取方法及其系统、电子设备和编码宽光谱成像装置 Active CN114076637B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010808156.8A CN114076637B (zh) 2020-08-12 2020-08-12 高光谱获取方法及其系统、电子设备和编码宽光谱成像装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010808156.8A CN114076637B (zh) 2020-08-12 2020-08-12 高光谱获取方法及其系统、电子设备和编码宽光谱成像装置

Publications (2)

Publication Number Publication Date
CN114076637A true CN114076637A (zh) 2022-02-22
CN114076637B CN114076637B (zh) 2023-06-09

Family

ID=80280263

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010808156.8A Active CN114076637B (zh) 2020-08-12 2020-08-12 高光谱获取方法及其系统、电子设备和编码宽光谱成像装置

Country Status (1)

Country Link
CN (1) CN114076637B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115839767A (zh) * 2022-12-23 2023-03-24 南京伯克利新材料科技有限公司 一种用于光谱识别与测量的装置及其方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070236516A1 (en) * 2005-09-08 2007-10-11 Javier Castellar Sensor and display-independent quantitative per-pixel stimulation system
US20080252885A1 (en) * 2007-04-16 2008-10-16 Ase Optics, Inc. Multiplexing spectrometer
CN103810667A (zh) * 2012-11-09 2014-05-21 通用电气航空系统有限责任公司 通过背景减去的光谱场景简化
US20150015692A1 (en) * 2012-01-30 2015-01-15 Scanadu Incorporated Spatial resolution enhancement in hyperspectral imaging
GB201702942D0 (en) * 2014-07-23 2017-04-12 Andor Tech Ltd Spectrometer
CN106650765A (zh) * 2016-09-06 2017-05-10 哈尔滨工业大学 基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法
CN110070035A (zh) * 2019-04-19 2019-07-30 中国科学院遥感与数字地球研究所 一种多光谱遥感影像分类方法和系统
CN110108358A (zh) * 2019-03-28 2019-08-09 浙江大学 一种高光谱成像方法及装置
CN110326022A (zh) * 2016-09-06 2019-10-11 本-古里安大学B.G.内盖夫技术和应用公司 从图像中恢复高光谱数据
US20200025613A1 (en) * 2018-03-27 2020-01-23 Flying Gybe Inc. Hyperspectral sensing system and processing methods for hyperspectral data

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070236516A1 (en) * 2005-09-08 2007-10-11 Javier Castellar Sensor and display-independent quantitative per-pixel stimulation system
US20080252885A1 (en) * 2007-04-16 2008-10-16 Ase Optics, Inc. Multiplexing spectrometer
US20150015692A1 (en) * 2012-01-30 2015-01-15 Scanadu Incorporated Spatial resolution enhancement in hyperspectral imaging
CN103810667A (zh) * 2012-11-09 2014-05-21 通用电气航空系统有限责任公司 通过背景减去的光谱场景简化
GB201702942D0 (en) * 2014-07-23 2017-04-12 Andor Tech Ltd Spectrometer
CN106650765A (zh) * 2016-09-06 2017-05-10 哈尔滨工业大学 基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法
CN110326022A (zh) * 2016-09-06 2019-10-11 本-古里安大学B.G.内盖夫技术和应用公司 从图像中恢复高光谱数据
US20200025613A1 (en) * 2018-03-27 2020-01-23 Flying Gybe Inc. Hyperspectral sensing system and processing methods for hyperspectral data
CN110108358A (zh) * 2019-03-28 2019-08-09 浙江大学 一种高光谱成像方法及装置
CN110070035A (zh) * 2019-04-19 2019-07-30 中国科学院遥感与数字地球研究所 一种多光谱遥感影像分类方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张巨萍等: "融合光谱滤波的高光谱图像分类深度网络" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115839767A (zh) * 2022-12-23 2023-03-24 南京伯克利新材料科技有限公司 一种用于光谱识别与测量的装置及其方法
CN115839767B (zh) * 2022-12-23 2023-10-20 南京伯克利新材料科技有限公司 一种用于光谱识别与测量的装置及其方法

Also Published As

Publication number Publication date
CN114076637B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN111670576B (zh) 用于深度获取的光场图像处理方法
US10785422B2 (en) Face recognition using depth and multi-spectral camera
US10452947B1 (en) Object recognition using depth and multi-spectral camera
CA3026545C (en) Information search system and information search program
US10302491B2 (en) Imaging method and apparatus
US20210158108A1 (en) Object classification method, vehicle control method, information display method, and object classification device
US10178381B2 (en) Depth-spatial frequency-response assessment
US9123091B2 (en) Basis vector spectral image compression
US10996169B2 (en) Multi-spectral fluorescent imaging
US10996335B2 (en) Phase wrapping determination for time-of-flight camera
US10024717B2 (en) Tag reading using targeted spatial spectral detection
CN114076637A (zh) 高光谱获取方法及其系统、电子设备和编码宽光谱成像装置
CN112422796A (zh) 摄像头结构、摄像控制方法、装置及电子设备
JP2010055546A (ja) 画像処理装置、画像処理方法及びプログラム
Suo et al. A self-synchronized high speed computational ghost imaging system: A leap towards dynamic capturing
US11676293B2 (en) Methods for depth sensing using candidate images selected based on an epipolar line
Sun et al. Seeing far in the dark with patterned flash
US20240371124A1 (en) Illumination spectrum recovery
JP6317703B2 (ja) 画像処理装置、画像処理システム、画像処理方法、及び画像処理プログラム
Blasinski et al. An iterative algorithm for spectral estimation with spatial smoothing
Blasinski Camera Design Optimization Using Image Systems Simulation
Sharma Enabling Wide Adoption of Hyperspectral Imaging
KR20230113110A (ko) 렌즈리스 카메라를 이용한 스냅샷 기반 초분광 이미지 획득 장치 및 방법
CN115035557A (zh) 相片攻击检测模型训练方法、系统、设备及介质

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