CN114485942A - 一种高光谱配准方法及其成像系统 - Google Patents
一种高光谱配准方法及其成像系统 Download PDFInfo
- Publication number
- CN114485942A CN114485942A CN202210140230.2A CN202210140230A CN114485942A CN 114485942 A CN114485942 A CN 114485942A CN 202210140230 A CN202210140230 A CN 202210140230A CN 114485942 A CN114485942 A CN 114485942A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- hyperspectral
- camera
- registration
- spectral
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000003384 imaging method Methods 0.000 title claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims abstract description 115
- 230000003595 spectral effect Effects 0.000 claims abstract description 59
- 238000005259 measurement Methods 0.000 claims abstract description 4
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000005316 response function Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- 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
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
-
- 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
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种高光谱配准方法及其成像系统。其配准方法的具体步骤为:(1)获得扫描光谱相机的基准光谱、快照光谱相机的测量光谱和彩色图像以及多个暗电流值;(2)计算步骤(1)获得的测量光谱的最大谱值和基准光谱的最大谱值;(3)对步骤(2)得到的最大谱值进行归一化处理;(4)通过配准方程对待配准的图像进行高光谱配准。本发明的配准方法具有精度高、速度快、鲁棒性强的特点,为高光谱配准提供了一种快速、便捷的方法,并能有效定量分析高光谱配准结果。
Description
技术领域
本发明涉及计算摄像学领域,特别涉及一种高光谱配准方法及其成像系统。
背景技术
光谱成像技术是新兴的科学和工程应用工具,集成了光学、精密机械、电子学等学科。高光谱成像是一种获得场景中每个像素的高维感知光谱的方法,揭示了光与观测物体之间的相互作用,计算矫正后的光谱图像能更精确地反映目标的本质存在,有效提高在军事应用、航天航空遥感、宇宙与天文探测、物质分析与分类、工业检测、农业、生物医学、环境与灾害监测、信息安全、大气探测等领域的实际应用。
快照式光谱相机其成像原理为:计算机断层扫描图像光谱仪使用光栅光谱层析法,借助透射光栅的色散和衍射效应,产生图像立方体的断层投影序列,然后通过求解欠定线性方程组来恢复光谱。快照式的优点在于:需要的采集时间较短,可以避免任何光机械组件,仅需要简单的光学路径,并将所有信息记录在一个图像中。快照式光谱相机普遍存在的缺点是体积较大,复原算法复杂。
扫描式光谱相机其成像原理为:为了获得空间二维图像通过机械推扫,完成整个平面的图像和光谱数据采集。扫描式的优点在于:光谱分辨率高、采样率高,光路实现较容易,成本低。扫描式的缺点在于:速度慢,对采集要求较高(只可静态成像),对焦难,有可移动部件。
由于技术的限制,灰度图像空间分辨率一般不高,通常要与高分辨率的彩色图像传播计算,让它们的信息互补,使得融合后图像同时具备高光谱分辨率和高空间分辨率,获得对目标更客观、更本质的认识,而图像对齐是光谱图像融合的基本环节,只有经过对齐后的图像才能进行有效的融合计算,因此开展光谱图像和彩色图像对齐的研究也十分必要。
发明内容
为了保证快照高光谱相机系统与扫描高光谱相机系统之间的对齐,对高光谱图像重建进行加速,本发明提供了一种高光谱配准方法及其成像系统。
本发明的方法采用的装置如下:
一种高光谱配准方法,具体步骤为:
(1)获得扫描光谱相机的基准光谱、快照光谱相机的测量光谱和彩色图像以及多个暗电流值;
(2)计算步骤(1)获得的测量光谱的最大谱值和基准光谱的最大谱值;
(3)对步骤(2)得到的最大谱值进行归一化处理;
(4)通过配准方程对待配准的图像进行高光谱配准。
进一步地,步骤(2)中,根据成像方程计算测量光谱的最大谱值和基准光谱的最大谱值,所述成像方程为:
其中Lr(λ)为场景辐射,d为孔径的直径,fp为焦距,ξ是入射光相对于光轴的偏角,G为相机电路的综合增益,T为积分时间,S为感光单元的空间响应,t为相机的光谱透射常数,q(λ)为相机的频谱响应函数,PDC为暗电流值,λ为入射波波长,(α,β)表示空间位置。
进一步地,步骤(4)的配准方程为:
其中Rahint(λ)和RaHSI(λ)分别为高光谱配准后的测量光谱和基准光谱的辐射度,PDC,hint和PDC,HSI分别为快照光谱相机和扫描光谱相机中的暗电流值,Pmax,hint和Pmax,HSI分别为测量光谱对应的最大谱值和基准光谱对应的最大谱值,IRGB为RGB图像的强度。
进一步地,所述方法还包括步骤(5):定量分析光谱配准结果。
进一步地,步骤(5)中,用Rnew作为判定非线性回归方程的拟合度的统计参数,评价光谱配准结果,公式为:
Q=∑(y-y*)2
Q为残差平方和,y代表基准光谱的光谱值,y*为配准后的高光谱图像的光谱值。
进一步地,对配准结果进行评估,公式为:
grad上限为100,越逼近100表示高光谱配准结果效果越好。
本发明还提供一种实现上述高光谱配准方法的成像系统,包括快照光谱相机、扫描光谱相机、分光装置和计算装置,所述快照光谱相机用于测量光谱和彩色图像,所述扫描光谱相机用于测量基准光谱,所述分光装置用于使快照光谱相机和扫描光谱相机能够获得同一场景信息,所述计算装置用于实现所述高光谱配准方法
本发明提供的高光谱联合成像系统,在静态场景中,扫描高光谱相机系统以扫描时间为代价,获得基准光谱;在动态场景中,快照高光谱相机系统在以视频速率捕捉延时对象方面表现得更好。本发明融合二者优点,通过高光谱配准方法,实现了快照高光谱相机系统和扫描高光谱相机系统的快速、便捷的高光谱配准,并可以定量分析高光谱配准结果,在保证图像更加客观真实的同时节省了时间。通过本发明的配准方法,测量光谱曲线更加接近基准光谱曲线,表明配准后的图像更加真实客观,同时该方法还具有精度高、速度快、鲁棒性强的特点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图简单地介绍,下面描述中的附图仅仅是本发明的一些实施例。
图1是本发明一种高光谱配准方法的流程图。
图2是本发明高光谱联合成像系统的结构示意图。
图3是经过本发明方法配准后的光谱曲线。
图4是未使用和使用本发明方法配准的光谱曲线的对比图,(a)为未使用本发明高光谱配准方法的光谱曲线(b)为使用本发明高光谱配准方法配准后的光谱曲线。
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,下面将结合附图对本发明实施方法和结果作进一步地详细描述。
参见图2,为本实施例采用的高光谱联合成像系统,包括快照式高光谱相机、扫描式高光谱相机、分光装置和计算装置。其中,快照式高光谱相机提供测量光谱和彩色图像,扫描式高光谱相机提供基准光谱,分光装置使两台相机能够获得同一场景信息,计算装置用于实现高光谱联合成像系统的高光谱配准。该系统中,两个高光谱相机同步触发,确保快照高光谱图像和扫描高光谱图像同时被捕获,分光装置使两台相机能够获得同一场景信息。通过该系统可以得到多个暗电流值。
本实施例的联合相机系统采用两种商用高光谱相机(SPECIM和PMVIS),基准光谱数据集包含141组图像,每组图像由测量光谱、彩色图像和同一场景中的基准光谱组成。PMVIS相机和扫描相机的深度均为16位,彩色图像的空间分辨率为960×1056,对于每个测量光谱,PMVIS系统测量了450nm~950nm的145个光谱样本,基准光谱包含392nm~996nm的176个光谱样本,选择31个392nm~450nm和950nm~996nm的光谱样本来计算暗电流。
表1基准光谱数据集的部分数据
(x y) | 451.7 | 454.9 | 458.2 | 461.5 | 464.8 | 468.1 |
(52 959) | 0.00378983 | 0.00420745 | 0.0046769 | 0.00493196 | 0.00537053 | 0.00514734 |
(28 953) | 0.00411479 | 0.00537701 | 0.00541102 | 0.00558715 | 0.00580932 | 0.00586874 |
(150 957) | 0.00459041 | 0.00510329 | 0.00505479 | 0.00568418 | 0.00542499 | 0.00593237 |
(5 948) | 0.00583795 | 0.00631788 | 0.00652927 | 0.00746921 | 0.00800939 | 0.00805416 |
(125 951) | 0.00468516 | 0.00566128 | 0.00574559 | 0.00663496 | 0.0073351 | 0.00743449 |
(247 954) | 0.00447179 | 0.00576658 | 0.00563671 | 0.00645891 | 0.00740644 | 0.00798626 |
(367 957) | 0.00680494 | 0.00782243 | 0.00859315 | 0.00870007 | 0.00874965 | 0.00890705 |
(102 944) | 0.00335917 | 0.00355756 | 0.00337016 | 0.00400268 | 0.00406721 | 0.00399734 |
(223 949) | 0.00755465 | 0.00812679 | 0.00929494 | 0.010167 | 0.0106582 | 0.0111222 |
(343 952) | 0.0030005 | 0.00325512 | 0.00367638 | 0.00347703 | 0.00357473 | 0.00330989 |
(464 954) | 0.00649827 | 0.00824264 | 0.00961976 | 0.00942329 | 0.0101327 | 0.0110118 |
(584 958) | 0.00949397 | 0.0113025 | 0.0132063 | 0.0129693 | 0.0138233 | 0.0148437 |
(77 940) | 0.00404114 | 0.0048238 | 0.00504198 | 0.00547262 | 0.00592975 | 0.00574558 |
(198 942) | 0.00471887 | 0.00547847 | 0.00570884 | 0.00597177 | 0.00663626 | 0.00698902 |
(319 946) | 0.00304547 | 0.00332501 | 0.00358213 | 0.0037146 | 0.00371127 | 0.00377671 |
(439 948) | 0.00597064 | 0.00708547 | 0.00803822 | 0.00760375 | 0.00801552 | 0.00868216 |
(560 952) | 0.00976749 | 0.0106095 | 0.0116562 | 0.0125942 | 0.0130148 | 0.0135749 |
本实施例的一种高光谱联合成像系统的配准方法,包括如下步骤:
S1,通过上述联合相机系统获得扫描光谱相机的基准光谱和快照光谱相机的测量光谱以及彩色图像。
S2,快照式高光谱相机在捕获测量光谱后,将立即捕获另一幅没有任何入射光的图像以获取暗电流值。在扫描光谱相机中,很难立即获得暗电流的精确值,为了解决这一问题,本实施例牺牲了(392nm,450nm)和(950nm,996nm)31个光谱通道(暗电流光谱通道),实现时域暗电流值的同步采集。
S3,计算光谱最大值,获得测量光谱最大光谱值和基准光谱最大光谱值并进行归一化处理。为了有效地进行配准,本实施例设计了一种光谱归一化的方法,对扫描相机和快照相机的图像数据进行处理,得到光谱最大归一化的结果。具体如下:
首先建立成像方程:
其中Lr(λ)为场景辐射,d为孔径的直径,fp为焦距,ξ是入射光相对于光轴的偏角,T为积分时间,S为感光单元的空间响应,G为相机电路的综合增益,并且在计算基准光谱时为扫描光谱相机系统的综合增益,在计算测量光谱时为快照光谱相机系统的综合增益,t为照相机系统的光谱透射常数,并且在计算基准光谱时为扫描光谱相机系统的光谱透射常数,在计算测量光谱时为快照光谱相机系统的光谱透射常数,q(λ)为相机的频谱响应函数,在计算基准光谱时为扫描光谱相机系统的频谱响应函数,在计算测量光谱时为快照光谱相机系统的频谱响应函数,PDC为暗电流值,λ为入射波波长,(α,β)表示空间位置。
通过上述方程可以得到Pmax,hint和Pmax,HSI,Pmax,hint和Pmax,HSI分别为测量光谱对应的最大谱值和高光谱图像对应的最大谱值。即:
其中λm1为得到Pmax,hint时的波长,λm2为得到Pmax,HSI时的波长,PDC,hint和PDC,HSI分别为快照光谱相机和扫描光谱相机中的暗电流值。
S4,输入一组待配准的图像,通过以下方法得到配准后的图像:
从数据集中读取光谱响应数据、位置数据,并输入多个暗电流值,扫描式高光谱相机的基准光谱,快照式高光谱相机的测量光谱和彩色图像,计算彩色图像的空间强度。
对S3得到的公式进行进一步的处理可得:
选择一个λ*代入,一般来说,让λ*=λm1或λ*=λm2得:
Ranorm,hint(λ),Ranorm,HSI(λ)分别是光谱进行配准后的测量光谱和基准光谱的归一化辐射度。
选择RGB图像IRGB的强度作为公共强度基线,光谱配准后的辐射度Rahint(λ)和RaHSI(λ)表示为:
Rahint(λ)=Ranorm,hint(λ)IRGB
RaHSI(λ)=Ranorm,HSI(λ)IRGB
为了进一步加快光谱配准,选择了扫描光谱相机系统和快照光谱相机系统中光谱响应曲线相似的传感器,即qhint(λ)≈qHSI(λ),在这种情况下,λ*=λm1=λm2,最终的光谱配准公式表示如下:
其中,Rahint(λ)和RaHSI(λ)分别为高光谱配准后的测量光谱和高光谱图像的辐射度。
对比配准后的快照式相机和扫描式相机的曲线,用Rnew作为判定非线性回归方程的拟合度的统计参数,定量分析高光谱配准结果。Rnew的公式为:
Q=∑(y-y*)2
Q为残差平方和,y代表基准光谱的光谱值,y*为配准后的高光谱图像的光谱值。
进一步对配准结果进行评估,公式为:
grad上限为100,越逼近100表示高光谱配准结果效果越好,本实施例的评分情况如表2所示。
参考图3,根据配准后的快照式相机和扫描式相机的曲线,得到Rnew再根据Rnew给出高光谱配准结果的配准分析。
表2配准结果的评分情况
参考图4,可以直观的感受到使用本发明配准前和配准后光谱曲线的变化,(a)为未使用高光谱联合成像系统的高光谱配准算法的光谱曲线(b)为使用高光谱联合成像系统的高光谱配准算法配准后的光谱曲线。可以明显看到(b)中的快照式相机的曲线比(a)中更接近扫描式相机的曲线,表明配准后的图像更加接近基准。
Claims (7)
1.一种高光谱配准方法,其特征在于,该方法的具体步骤为:
(1)获得扫描光谱相机的基准光谱、快照光谱相机的测量光谱和彩色图像以及多个暗电流值;
(2)计算步骤(1)获得的测量光谱的最大谱值和基准光谱的最大谱值;
(3)对步骤(2)得到的最大谱值进行归一化处理;
(4)通过配准方程对待配准的图像进行高光谱配准。
4.根据权利要求1所述的一种高光谱配准方法,其特征在于,所述方法还包括步骤(5):定量分析光谱配准结果。
7.一种实现如权利要求1所述高光谱配准方法的成像系统,其特征在于:该成像系统包括快照光谱相机、扫描光谱相机、分光装置和计算装置,所述快照光谱相机用于测量光谱和彩色图像,所述扫描光谱相机用于测量基准光谱,所述分光装置用于使快照光谱相机和扫描光谱相机能够获得同一场景信息,所述计算装置用于实现所述高光谱配准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210140230.2A CN114485942B (zh) | 2022-02-16 | 2022-02-16 | 一种高光谱配准方法及其成像系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210140230.2A CN114485942B (zh) | 2022-02-16 | 2022-02-16 | 一种高光谱配准方法及其成像系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114485942A true CN114485942A (zh) | 2022-05-13 |
CN114485942B CN114485942B (zh) | 2024-05-28 |
Family
ID=81480681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210140230.2A Active CN114485942B (zh) | 2022-02-16 | 2022-02-16 | 一种高光谱配准方法及其成像系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114485942B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4223741A1 (de) * | 1992-07-18 | 1994-01-27 | Manfred Prof Riemann | Verfahren und Anordnung zur Messung von strahlungsphysikalischen und lichttechnischen Grundgrößen |
CN1357753A (zh) * | 2000-12-06 | 2002-07-10 | 中国科学院长光学精密机械与物理研究所 | 一种用数码相机测量地物波谱特性的装置及方法 |
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 |
US20160033330A1 (en) * | 2014-07-31 | 2016-02-04 | Technion Research & Development Foundation Limited | Spectral imaging using single-axis spectrally dispersed illumination |
CN105891123A (zh) * | 2016-04-07 | 2016-08-24 | 浙江大学 | 基于高光谱透射成像的雨生红球藻色素含量可视化方法 |
CN107525588A (zh) * | 2017-08-16 | 2017-12-29 | 北京理工大学 | 一种基于gpu的双相机光谱成像系统的快速重构方法 |
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 |
TW202006341A (zh) * | 2018-05-04 | 2020-02-01 | 彼得 伊貝斯 | 具有改善的多光譜感測器的非接觸式多光譜測量裝置 |
CN110880162A (zh) * | 2019-11-22 | 2020-03-13 | 中国科学技术大学 | 基于深度学习的快照光谱深度联合成像方法及系统 |
CN110946553A (zh) * | 2019-11-18 | 2020-04-03 | 天津大学 | 一种基于高光谱图像的在体组织光学参数测量装置及方法 |
CN111174912A (zh) * | 2020-01-03 | 2020-05-19 | 南京大学 | 一种快照型解色散模糊的高光谱成像方法 |
CN112903103A (zh) * | 2021-01-22 | 2021-06-04 | 西安电子科技大学 | 基于dmd和互补全通的计算光谱成像系统及方法 |
-
2022
- 2022-02-16 CN CN202210140230.2A patent/CN114485942B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4223741A1 (de) * | 1992-07-18 | 1994-01-27 | Manfred Prof Riemann | Verfahren und Anordnung zur Messung von strahlungsphysikalischen und lichttechnischen Grundgrößen |
CN1357753A (zh) * | 2000-12-06 | 2002-07-10 | 中国科学院长光学精密机械与物理研究所 | 一种用数码相机测量地物波谱特性的装置及方法 |
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 |
US20160033330A1 (en) * | 2014-07-31 | 2016-02-04 | Technion Research & Development Foundation Limited | Spectral imaging using single-axis spectrally dispersed illumination |
CN105891123A (zh) * | 2016-04-07 | 2016-08-24 | 浙江大学 | 基于高光谱透射成像的雨生红球藻色素含量可视化方法 |
CN107525588A (zh) * | 2017-08-16 | 2017-12-29 | 北京理工大学 | 一种基于gpu的双相机光谱成像系统的快速重构方法 |
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 |
TW202006341A (zh) * | 2018-05-04 | 2020-02-01 | 彼得 伊貝斯 | 具有改善的多光譜感測器的非接觸式多光譜測量裝置 |
CN110946553A (zh) * | 2019-11-18 | 2020-04-03 | 天津大学 | 一种基于高光谱图像的在体组织光学参数测量装置及方法 |
CN110880162A (zh) * | 2019-11-22 | 2020-03-13 | 中国科学技术大学 | 基于深度学习的快照光谱深度联合成像方法及系统 |
CN111174912A (zh) * | 2020-01-03 | 2020-05-19 | 南京大学 | 一种快照型解色散模糊的高光谱成像方法 |
CN112903103A (zh) * | 2021-01-22 | 2021-06-04 | 西安电子科技大学 | 基于dmd和互补全通的计算光谱成像系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114485942B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Meola et al. | Modeling and estimation of signal-dependent noise in hyperspectral imagery | |
Goodall et al. | Tasking on natural statistics of infrared images | |
KR100845747B1 (ko) | 화상검사방법 및 장치 | |
US20230204418A1 (en) | High-speed and high-precision spectral video system and method for flame shooting | |
Pillay et al. | Hyperspectral imaging of art: Acquisition and calibration workflows | |
Tao et al. | Hyperspectral image recovery based on fusion of coded aperture snapshot spectral imaging and RGB images by guided filtering | |
Liang et al. | 3D plant modelling via hyperspectral imaging | |
Meola et al. | Application of model-based change detection to airborne VNIR/SWIR hyperspectral imagery | |
Sasaki et al. | Passive 3D location estimation of non-line-of-sight objects from a scattered thermal infrared light field | |
WO2021195817A1 (zh) | 一种提取待测物质的光谱信息的方法 | |
CN114485942B (zh) | 一种高光谱配准方法及其成像系统 | |
Kwan | Target Detection and Classification Improvements using Contrast Enhanced 16-bit Infrared Videos | |
Suliga et al. | Microlens array calibration method for a light field camera | |
Qi et al. | A super-resolution fusion video imaging spectrometer based on single-pixel camera | |
CN115278247A (zh) | 一种偏振光谱视频压缩采集系统 | |
Lv et al. | Turn a silicon camera into an ingaas camera | |
Quintana et al. | Blur-specific no-reference image quality assesment for microscopic hyperspectral image focus quantification | |
Huang et al. | High-Fidelity Hyperspectral Snapshot of Physical World: System Architecture, Dataset and Model | |
Soszyńska et al. | Feasibility study of hyperspectral line-scanning camera imagery for remote sensing purposes | |
Raghavendra et al. | GUCLF: A new light field face database | |
CN112163627B (zh) | 目标物体的融合图像生成方法、装置及系统 | |
RU2764838C1 (ru) | Способ совмещения изображений от матричных фотоприёмников различных спектральных диапазонов | |
UrRehman et al. | Inspection on infrared-based image processing | |
Repasky et al. | Object Detection from Radon Transformations using Machine Learning Techniques Thomas Walker | |
Liu et al. | Non-uniformity calibration for MWIR polarization imagery obtained with integrated microgrid polarimeters |
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 |