CN115235628B - 光谱重构方法和装置、光谱仪、存储介质和电子设备 - Google Patents
光谱重构方法和装置、光谱仪、存储介质和电子设备 Download PDFInfo
- Publication number
- CN115235628B CN115235628B CN202210536422.5A CN202210536422A CN115235628B CN 115235628 B CN115235628 B CN 115235628B CN 202210536422 A CN202210536422 A CN 202210536422A CN 115235628 B CN115235628 B CN 115235628B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- data
- current
- spectrum data
- value
- 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
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 434
- 238000000034 method Methods 0.000 title claims abstract description 84
- 230000003595 spectral effect Effects 0.000 claims description 95
- 230000006870 function Effects 0.000 claims description 89
- 230000004044 response Effects 0.000 claims description 61
- 238000004364 calculation method Methods 0.000 claims description 47
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000036039 immunity Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 4
- 238000010183 spectrum analysis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 28
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 239000000758 substrate Substances 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 229910052814 silicon oxide Inorganic materials 0.000 description 5
- OGIDPMRJRNCKJF-UHFFFAOYSA-N titanium oxide Inorganic materials [Ti]=O OGIDPMRJRNCKJF-UHFFFAOYSA-N 0.000 description 5
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000002096 quantum dot Substances 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000002902 bimodal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 235000012239 silicon dioxide Nutrition 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000282620 Hylobates sp. Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 125000004429 atom Chemical group 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 125000005843 halogen group Chemical group 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 230000004298 light response Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 229910052594 sapphire Inorganic materials 0.000 description 1
- 239000010980 sapphire Substances 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 238000000411 transmission spectrum Methods 0.000 description 1
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
-
- 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
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
- 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
- G01J2003/283—Investigating the spectrum computer-interfaced
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本申请涉及光谱分析技术领域，具体涉及一种光谱重构方法和光谱重构装置，光谱仪，以及计算机可读存储介质和电子设备，解决了光谱重构方法抗噪能力差的问题。本申请根据光谱一定为正值的特征，利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，从而提高对目标函数的迭代求解过程的抗噪能力，进而提高得到的重构光谱数据的准确性。另外，本申请无需对目标函数增加约束，避免了将非约束问题变为约束问题，进一步提高了得到的重构光谱数据的准确性，且提高了目标函数的收敛效率。
Description
技术领域
本申请涉及光谱分析技术领域，具体涉及一种光谱重构方法和光谱重构装置，光谱仪，以及计算机可读存储介质和电子设备。
背景技术
每种原子都对应有特征光谱，因此可以根据特征光谱来鉴别物质或确定化学成分。目前，主要使用重构型光谱仪来测量和分析光谱。重构型光谱仪包括硬件部分和软件部分，硬件部分主要包括探测器，软件部分主要包括光谱重构算法。探测器探测到响应值后，由光谱重构方法对响应值进行反演计算，从而得到重构光谱。然而，目前的光谱重构方法得到的重构光谱准确性低，不能满足用户要求。
发明内容
有鉴于此，本申请实施例提供了一种光谱重构方法和光谱重构装置，光谱仪，以及计算机可读存储介质和电子设备，解决了光谱重构方法抗噪能力差的问题。
第一方面，本申请一实施例提供的一种光谱重构方法，应用于光谱仪，包括：确定待处理光谱数据；利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用目标函数基于正光谱数据和响应值数据进行损失计算，以确定损失值，如果损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据，其中，响应值数据为利用光谱仪对待重构光谱进行测量得到的。
结合本申请的第一方面，在一些实施例中，利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用目标函数基于正光谱数据和响应值数据进行损失计算，以确定损失值，如果损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据，包括：利用目标函数，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据；利用目标函数，基于当前的正光谱数据和响应值数据，确定当前的损失值和当前的重构光谱数据；基于当前的损失值和当前的重构光谱数据，调整待处理光谱数据，并循环迭代待处理光谱数据，直至确定损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据。
结合本申请的第一方面，在一些实施例中，利用目标函数，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据，包括：目标函数通过对当前的待处理光谱数据取绝对值的方式，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据。
结合本申请的第一方面，在一些实施例中，在利用目标函数，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据之前，还包括：确定当前的待处理光谱数据的符号对角矩阵；利用目标函数，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据，包括：目标函数通过对当前的待处理光谱数据和符号对角矩阵取乘积的方式，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据。
结合本申请的第一方面，在一些实施例中，确定待处理光谱数据，包括：基于第k个循环得到的当前的重构光谱数据和第(k+1)个循环得到的当前的重构光谱数据，确定第(k+2)个循环对应的当前的待处理光谱数据，其中，k为正整数。
结合本申请的第一方面，在一些实施例中，基于第k个循环得到的当前的重构光谱数据和第(k+1)个循环得到的当前的重构光谱数据，确定第(k+2)个循环对应的当前的待处理光谱数据，包括：计算第(k+1)个循环得到的当前的重构光谱数据和第k个循环得到的当前的重构光谱数据的差值，得到差值数据；基于第(k+1)个循环得到的当前的重构光谱数据、差值数据和预设回传函数，确定第(k+2)个循环对应的当前的待处理光谱数据。
第二方面，本申请一实施例提供了一种光谱重构装置，应用于光谱仪，包括：确定模块，配置为确定待处理光谱数据；重构模块，配置为利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用目标函数基于正光谱数据和响应值数据进行损失计算，以确定损失值，如果损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据，其中，响应值数据为利用光谱仪对待重构光谱进行测量得到的。
第三方面，本申请一实施例提供了一种光谱仪，包括：探测器，用于对待重构光谱进行测量得到响应值数据，并将响应值数据发送给处理器；处理器，与探测器电连接，用于接收响应值数据，并执行第一方面的光谱重构方法，以得到重构光谱数据。
第四方面，本申请一实施例提供了一种计算机可读存储介质，存储介质存储有指令，当指令由电子设备的处理器执行时，使得电子设备能够执行上述第一方面提及的光谱重构方法。
第五方面，本申请一实施例提供了一种电子设备，电子设备包括：处理器；以及用于存储计算机可执行指令的存储器。处理器，用于执行计算机可执行指令，以实现上述第一方面提及的光谱重构方法。
本申请实施例提供的光谱重构方法，利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用目标函数基于正光谱数据和响应值数据进行损失计算，以确定损失值，如果损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据。本申请根据光谱一定为正值的特征，利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，从而提高对目标函数的迭代求解过程的抗噪能力，进而提高得到的重构光谱数据的准确性。另外，本申请利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，无需对目标函数增加约束，避免了将非约束问题变为约束问题，进一步提高了得到的重构光谱数据的准确性，且提高了目标函数的收敛效率。
附图说明
图1A所示为本申请一实施例提供的光谱重构方法的应用场景示意图。
图1B所示为本申请另一实施例提供的光谱重构方法的应用场景示意图。
图2所示为本申请一实施例提供的光谱重构方法的流程示意图。
图3所示为本申请另一实施例提供的光谱重构方法的流程示意图。
图4所示为本申请另一实施例提供的光谱重构方法的流程示意图。
图5所示为本申请另一实施例提供的光谱重构方法的流程示意图。
图6所示为本申请另一实施例提供的光谱重构方法的流程示意图。
图7所示为本申请另一实施例提供的光谱重构方法的流程示意图。
图8所示为本申请另一实施例提供的光谱重构方法的流程示意图。
图9所示为本申请一实施例提供的光谱仪的测量原理的示意图。
图10所示为本申请一实施例提供的探测器的结构示意图。
图11所示为本申请一实施例提供的响应曲线。
图12A所示为利用图10所示的集成滤光片和吉洪诺夫正则化方法得到的重构光谱和入射光谱。
图12B所示为利用图10所示的集成滤光片和本申请的光谱重构方法得到的重构光谱和入射光谱。
图13所示为本申请一实施例提供的探测器的结构示意图。
图14所示为本申请另一实施例提供的响应曲线。
图15A所示为利用图13所示的探测器和吉洪诺夫正则化方法得到的重构光谱和入射光谱。
图15B所示为利用图13所示的探测器和本申请的光谱重构方法得到的重构光谱和入射光谱。
图16所示为本申请一实施例提供的光谱重构装置的结构示意图。
图17所示为本申请另一实施例提供的光谱重构装置的结构示意图。
图18所示为本申请另一实施例提供的光谱重构装置的结构示意图。
图19所示为本申请另一实施例提供的光谱重构装置的结构示意图。
图20所示为本申请另一实施例提供的光谱重构装置的结构示意图。
图21所示为本申请另一实施例提供的光谱重构装置的结构示意图。
图22所示为本申请另一实施例提供的光谱重构装置的结构示意图。
图23所示为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
示例性场景
图1A所示为本申请一实施例提供的光谱重构方法的应用场景示意图。图1A所示的场景包括光谱仪100中的处理器110和光谱仪100中的光谱测量模块120。光谱测量模块120与处理器110通信连接。具体而言，处理器110用于确定待处理光谱数据；利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用目标函数基于正光谱数据和响应值数据进行损失计算，以确定损失值，如果损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据。光谱测量模块120用于对待重构光谱进行测量得到响应值数据，并将响应值数据发送给处理器110，以便处理器110执行上述操作。
图1B所示为本申请另一实施例提供的光谱重构方法的应用场景示意图。图1B所示的场景包括光谱仪100和服务器200。光谱仪100对待重构光谱进行测量得到响应值数据，并将响应值数据发送给服务器200。服务器200接收响应值数据，并确定待处理光谱数据；利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用目标函数基于正光谱数据和响应值数据进行损失计算，以确定损失值，如果损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据。
在本申请一实施例中，服务器200得到重构光谱数据以后，也可以发送给光谱仪100，从而在光谱仪100上显示重构光谱数据。
示例性方法
图2所示为本申请一实施例提供的光谱重构方法的流程示意图。如图2所示，该光谱重构方法包括如下步骤。
步骤210，确定待处理光谱数据。
具体地，待处理光谱数据可以是初始化得到的光谱数据。例如，待处理光谱数据可以是通过随机值初始化、随机正数初始化、吉洪诺夫(Tkkhonov)初始化等初始化的方法得到的光谱数据。待处理光谱数据可以是光谱矩阵，光谱矩阵中的元素代表一个光波的波长。
步骤220，利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用目标函数基于正光谱数据和响应值数据进行损失计算，以确定损失值，如果损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据。
具体地，响应值数据为利用光谱仪对待重构光谱进行测量得到的。响应值数据可以是响应值矩阵。待重构光谱是需要被测量的光谱。重构光谱数据可以是利用目标函数，基于响应值数据对待处理光谱数据进行优化得到的光谱数据。目标函数可以表征待处理光谱数据与响应值数据之间的函数关系。目标函数还可以将待处理光谱数据中负的光谱数值转化为正的光谱数值。待处理光谱数据中负的光谱数值可以是待处理光谱数据中的噪声。在本申请一实施例中，可以对待处理光谱数据中的光谱数值做绝对值，从而将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据。在本申请一实施例中，可以先确定待处理光谱数据的符号对角矩阵，然后利用符号对角矩阵，将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据。
具体地，目标函数可以包括绝对值算符，绝对值算符用于将待处理光谱数据中负的光谱数值转化为正的光谱数值。即，通过在目标函数中引入绝对值算符，将待处理光谱数据中负的光谱数值转化为正的光谱数值。
具体地，利用目标函数基于正光谱数据和响应值数据进行损失计算，以确定损失值，可以是通过取响应值数据和正光谱数据的差值的方式进行损失计算，从而确定损失值。第一预设条件可以是预设的阈值。如果损失值满足预设的阈值，得到重构光谱数据。第一预设条件还可以是预设的损失值的收敛条件。如果损失值满足预设的损失值的收敛条件，得到重构光谱数据。预设的损失值的收敛条件可以是连续几次计算得到的损失值很接近，甚至是后几次计算得到的损失值大于前几次计算得到的损失值。第二预设条件可以是预设的损失计算的次数。如果损失计算的次数满足预设的损失计算的次数，得到重构光谱数据。用户可以根据实际需求确定第一预设条件和第二预设条件，本申请不做具体限定。
本申请实施例提供的光谱重构方法，利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用目标函数基于正光谱数据和响应值数据进行损失计算，以确定损失值，如果损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据。由于待处理光谱数据中负的光谱数值是干扰数据，导致对目标函数的迭代求解过程的抗噪能力差。因此，本申请利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，从而提高对目标函数的迭代求解过程的抗噪能力，进而提高得到的重构光谱数据的准确性。另外，本申请利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，无需对目标函数增加约束，避免了将非约束问题变为约束问题，进一步提高了得到的重构光谱数据的准确性，且提高了目标函数的收敛效率。
图3所示为本申请另一实施例提供的光谱重构方法的流程示意图。在图2所示实施例基础上延伸出图3所示实施例，下面着重叙述图3所示实施例与图2所示实施例的不同之处，相同之处不再赘述。
如图3所示，在本申请实施例中，利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用目标函数基于正光谱数据和响应值数据进行损失计算，以确定损失值，如果损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据的步骤，包括如下步骤。
步骤310，利用目标函数，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据。
具体地，当前的待处理光谱数据是指当前正在被处理的光谱数据。当前的正光谱数据是指当前得到的正光谱数据。
示例性地，目标函数S可以用以下的公式(1)表示。
其中，I表示响应值数据，T表示重构矩阵，Q表示预处理矩阵，L表示正则化矩阵，下标k表示第k次循环，Xk表示第k次循环对应的当前待处理光谱数据，表示正则化项，α表示正则化系数，m表示幂数，n表示范数的类型。T、Q、L和m、n均可以通过预先标定或预先设置获得，本申请对的取值均不做具体限定。
以上公式(1)表示可以通过不断迭代调整Xk，使S得到一个较小的值，甚至是最小的值。|Xk|表示对Xk做绝对值，从而将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据。上述公式(1)也可以没有预处理矩阵Q和正则化矩阵L。甚至，上述公式(1)也可以没有正则化项
步骤320，利用目标函数，基于当前的正光谱数据和响应值数据，确定当前的损失值和当前的重构光谱数据。
示例性地，可以通过上述公式(1)计算当前的损失值。计算当前的损失值所使用的待处理光谱数据即为当前的重构光谱数据。
步骤330，基于当前的损失值和当前的重构光谱数据，调整待处理光谱数据，并循环迭代待处理光谱数据，直至确定损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据。
具体地，可以不断调整待处理光谱数据，并循环迭代待处理光谱数据，直至确定损失值满足第一预设条件或损失计算的次数满足第二预设条件，将计算当前的损失值所使用的当前的重构光谱数据确定为重构光谱数据。
具体地，利用目标函数，基于当前的正光谱数据和响应值数据，确定当前的损失值后，可以将当前的待处理光谱数据确定为当前的重构光谱数据。即针对每循环，在本次循环计算完损失值以后，将本次循环的待处理光谱数据确定为本次循环的重构光谱数据。
通过基于当前的损失值和当前的重构光谱数据，调整待处理光谱数据，并循环迭代待处理光谱数据，直至确定损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据，可以从多次循环迭代各自对应的重构光谱数据中确定出较准确的重构光谱数据，从而进一步提高最终得到的重构光谱数据的准确性。
图4所示为本申请另一实施例提供的光谱重构方法的流程示意图。在图3所示实施例基础上延伸出图4所示实施例，下面着重叙述图4所示实施例与图3所示实施例的不同之处，相同之处不再赘述。
如图4所示，在本申请实施例中，利用目标函数，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据的步骤，包括如下步骤。
步骤410，目标函数通过对当前的待处理光谱数据取绝对值的方式，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据。
在实际应用中，如上述公式(1)所示，目标函数可以通过对当前的待处理光谱数据取绝对值的方式，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据。取绝对值的方式简单准确，提高了对目标函数的求解效率。
图5所示为本申请另一实施例提供的光谱重构方法的流程示意图。在图3所示实施例基础上延伸出图5所示实施例，下面着重叙述图5所示实施例与图3所示实施例的不同之处，相同之处不再赘述。
如图5所示，在本申请实施例中，利用目标函数，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据的步骤，包括如下步骤。
步骤510，确定当前的待处理光谱数据的符号对角矩阵。
具体地，符号对角矩阵可以用Ak表示。可以通过以下公式(2)求待处理光谱数据的符号对角矩阵Ak。
Ak←diag(sign(Xk)) (2)
其中，下标k表示第k次循环。
步骤520，目标函数通过对当前的待处理光谱数据和符号对角矩阵取乘积的方式，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据。
在实际应用中，目标函数通过对当前的待处理光谱数据X和符号对角矩阵A取乘积的方式，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据，方法简单，效率高。
图6所示为本申请另一实施例提供的光谱重构方法的流程示意图。在图3所示实施例基础上延伸出图6所示实施例，下面着重叙述图6所示实施例与图3所示实施例的不同之处，相同之处不再赘述。
如图6所示，在本申请实施例中，确定待处理光谱数据的步骤，包括如下步骤。
步骤610，基于第k个循环得到的当前的重构光谱数据和第(k+1)个循环得到的当前的重构光谱数据，确定第(k+2)个循环对应的当前的待处理光谱数据。
具体地，k为正整数。例如，当k＝1时，(k+1)＝2，(k+2)＝3，即，基于第1个循环得到的当前的重构光谱数据和第2个循环得到的当前的重构光谱数据，确定第3个循环对应的当前的待处理光谱数据。
在实际应用中，基于第k个循环得到的当前的重构光谱数据和第(k+1)个循环得到的当前的重构光谱数据，确定第(k+2)个循环对应的当前的待处理光谱数据，可以使后续循环中的当前的待处理光谱数据参考到前两次循环中的得到的当前的重构光谱数据，从而提高后续循环中的当前的待处理光谱数据的准确性。
图7所示为本申请另一实施例提供的光谱重构方法的流程示意图。在图6所示实施例基础上延伸出图7所示实施例，下面着重叙述图7所示实施例与图6所示实施例的不同之处，相同之处不再赘述。
如图7所示，在本申请实施例中，基于第k个循环得到的当前的重构光谱数据和第(k+1)个循环得到的当前的重构光谱数据，确定第(k+2)个循环对应的当前的待处理光谱数据的步骤，包括如下步骤。
步骤710，计算第(k+1)个循环得到的当前的重构光谱数据和第k个循环得到的当前的重构光谱数据的差值，得到差值数据。
具体地，可以用Yk+1表示第(k+1)个循环得到的当前的重构光谱数据，用Yk表示第k个循环得到的当前的重构光谱数据。
步骤720，基于第(k+1)个循环得到的当前的重构光谱数据、差值数据和预设回传函数，确定第(k+2)个循环对应的当前的待处理光谱数据。
具体地，可以用Yk+2表示第(k+2)个循环得到的当前的重构光谱数据。示例性地，可以使用以下公式(3)(即，预设回传函数)确定第(k+2)个循环对应的当前的待处理光谱数据Xk+2。
其中，Pk+2为中间值，可以通过以下的公式(4)计算得到。Ak+2表示第(k+2)个循环对应的当前的待处理光谱数据的符号对角矩阵，因此，可以利用上述公式(2)求得。l表示迭代步长，grad表示梯度函数。
Pk+2←Yk+βk+2(Yk+1-Yk) (4)
其中，βk+2表示第(k+2)个循环对应的预设回传函数。
第(k+2)个循环结束后，得到的Yk+2等于Xk+2。
通过计算第(k+1)个循环得到的当前的重构光谱数据和第k个循环得到的当前的重构光谱数据的差值，得到差值数据，并基于第(k+1)个循环得到的当前的重构光谱数据、差值数据和预设回传函数，确定第(k+2)个循环对应的当前的待处理光谱数据，优化了待处理光谱数据，进而通过多次循环迭代提高重构光谱数据的准确性。
在本申请一实施例中，当k＝1时，即第一次循环时，可以利用Tikhonov正则化赋值对X1进行初始化赋值。具体地，可以使用以下公式(5)对X1进行初始化赋值。
X1＝(THT+γJ)-1THI (5)
其中，T和公式(1)中的T一样，代表重构矩阵，上标H用于表示TH为T的共轭转置矩阵，J代表与THT的维度相同的单位矩阵，γ为吉洪诺夫正则化系数。γ可以预先设置。
图8所示为本申请另一实施例提供的光谱重构方法的流程示意图。在图3所示实施例基础上延伸出图8所示实施例，下面着重叙述图8所示实施例与图3所示实施例的不同之处，相同之处不再赘述。
如图8所示，在本申请实施例中，利用目标函数，基于当前的正光谱数据和响应值数据，确定当前的损失值和当前的重构光谱数据的步骤，包括如下步骤。
步骤810，利用目标函数，对当前的正光谱数据进行预处理，得到当前的预处理后的光谱数据。
具体地，可以使用上述公式(1)中的预处理矩阵Q来对当前的正光谱数据进行预处理，得到当前的预处理后的光谱数据。预处理矩阵Q可以是傅立叶变换矩阵，也可以是其他的能够实现离散化的矩阵，本申请不做具体限定。
步骤820，利用目标函数，基于当前的预处理后的光谱数据和响应值数据进行损失计算，以确定当前的损失值和当前的重构光谱数据。
利用目标函数，对当前的正光谱数据进行预处理，可以将连续的光谱进行离散化，从而减少数据量，提高计算效率。
图9所示为本申请一实施例提供的光谱仪的测量原理的示意图。如图9，光谱仪1000包括：探测器1100和处理器1200。探测器1100用于对待重构光谱F(λ)进行测量得到响应值数据(在本实施例中，响应值数据可以是响应值矩阵In)，并将响应值数据发送给处理器1200。处理器1200，与探测器1100电连接，用于接收响应值数据，并执行上述实施例中的光谱重构方法，以得到重构光谱数据。探测器1100可以包括集成滤光片和光敏芯片。光敏芯片可以是互补金属氧化物半导体(Complementary Metal Oxide Semiconductor，CMOS)光敏芯片，电荷耦合元件(Charge-coupled Device，CCD)。
图10所示为本申请一实施例提供的集成滤光片的结构示意图。如图9所示，集成滤光片包括衬底1110、二氧化钛膜层1120和二氧化硅膜层1130。其中，二氧化钛膜层1120和二氧化硅膜层1130可以交叉设置。二氧化钛膜层1120和二氧化硅膜层1130的具体层厚和具体层数可以根据实际需求进行设置，本申请不做具体限定。
具体地，集成滤光片可以用膜系Sub|(HL)5M(HL)5表示。其中，Sub表示衬底1110。H表示厚度为78nm的二氧化钛膜层(TiO2)，L表示厚度为115nm的第一二氧化硅膜层(SiO2)1121。M表示除L之外的第二二氧化硅膜层1122。衬底1110可以是玻璃衬底、石英衬底、宝石衬底等，更具体地，可以是国际标准分类中的k9玻璃衬底。
通过试验可以确定合适的第二二氧化硅膜层1122的厚度，使集成滤光片的透射峰位从600nm以0.5nm的间距增加至750nm，即，集成滤光片共301个滤光片。
通过探测器1100中的集成滤光片和光敏芯片，可以得到如图11所示的响应曲线，响应曲线经处理即可得到上述实施例中的重构矩阵T。经计算，T的条件数t为2.7×106。条件数t可以通过以下公式(6)计算。
t＝‖T‖·‖T-1‖ (6)
待重构光谱F(λ)(即本实施例的入射光谱)为双峰间距为3nm的曲线，并假定探测器有1％的高斯白噪声。图12A中实线为入射光谱，虚线为利用图10所示的集成滤光片和吉洪诺夫正则化方法得到的重构光谱。图12B实线为入射光谱，虚线为为利用图10所示的集成滤光片和本申请的光谱重构方法得到的重构光谱。可以看出，利用本申请的光谱重构方法得到的重构光谱更接近入射光谱，即，利用本申请的光谱重构方法得到的重构光谱更加准确。更具体地，利用本申请的光谱重构方法得到的重构光谱与入射光谱的均方差至少是利用Tikhonov方法得到的重构光谱的与入射光谱的均方差的4倍。因此，本申请的光谱重构方法具有更好的抗噪声能力。
图13所示为本申请一实施例提供的探测器的结构示意图。如图13所示，探测器1100包括量子点层1140和光敏元1150。
具体地，量子点层1140的材料可以是Cs2SnX6。X代表卤素元素Cl、Br、I，通过改变卤素元素的组分，可以调节量子点材料的带隙，从而获得不同的透射光谱。通过探测器1100，可以得到如图14所示的响应曲线。对图14所示的响应曲线中波长500nm至800nm对应的响应曲线进行处理，即可得到上述实施例中的重构矩阵T。经计算，T的条件数t为1.9×1021。条件数t可以通过以上的公式(6)计算。图14所示的响应曲线为中心峰位逐渐递增的S型光响应曲线。
待重构光谱F(λ)(即本实施例的入射光谱)为双峰间距为30nm的曲线。并假定探测器有0.1％高斯白噪声的。图15A中实线为入射光谱，虚线为利用图13所示的探测器和吉洪诺夫正则化方法得到的重构光谱。图15B中实线为入射光谱，虚线为利用图13所示的探测器和本申请的光谱重构方法得到的重构光谱。可以看出，利用本申请的光谱重构方法得到的重构光谱更接近入射光谱，即，利用本申请的光谱重构方法得到的重构光谱更加准确。更具体地，利用本申请的光谱重构方法得到的重构光谱与入射光谱的均方差至少是利用Tikhonov方法得到的重构光谱的与入射光谱的均方差的4倍。因此，本申请的光谱重构方法具有更好的抗噪声能力。
上文结合图2至图8，详细描述了本申请的方法实施例，下面结合图16至图22，详细描述本申请的装置实施例。应理解，方法实施例的描述与装置实施例的描述相互对应，因此，未详细描述的部分可以参见前面方法实施例。
示例性装置
图16所示为本申请一实施例提供的光谱重构装置的结构示意图。如图16所示，本申请实施例的光谱重构装置900包括：确定模块910和重构模块920。
具体地，确定模块910配置为，确定待处理光谱数据。重构模块920配置为，利用目标函数将待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用目标函数基于正光谱数据和响应值数据进行损失计算，以确定损失值，如果损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据，其中，响应值数据为利用光谱仪对待重构光谱进行测量得到的。
图17所示为本申请另一实施例提供的光谱重构装置的结构示意图。在图16所示实施例基础上延伸出图17所示实施例，下面着重叙述图17所示实施例与图16所示实施例的不同之处，相同之处不再赘述。
如图17所示，本申请实施例的重构模块920包括：转化单元921、损失计算单元922和调整单元923。
具体地，转化单元921配置为，利用目标函数，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据。损失计算单元922配置为，利用目标函数，基于当前的正光谱数据和响应值数据，确定当前的损失值和当前的重构光谱数据。调整单元923配置为，基于当前的损失值和当前的重构光谱数据，调整待处理光谱数据，并循环迭代待处理光谱数据，直至确定损失值满足第一预设条件或损失计算的次数满足第二预设条件，得到重构光谱数据。
图18所示为本申请另一实施例提供的光谱重构装置的结构示意图。在图17所示实施例基础上延伸出图18所示实施例，下面着重叙述图18所示实施例与图17所示实施例的不同之处，相同之处不再赘述。
如图18所示，本申请实施例的转化单元921包括：绝对值转化子单元1110。
具体地，绝对值转化子单元1110配置为，目标函数通过对当前的待处理光谱数据取绝对值的方式，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据。
图19所示为本申请另一实施例提供的光谱重构装置的结构示意图。在图17所示实施例基础上延伸出图19所示实施例，下面着重叙述图19所示实施例与图17所示实施例的不同之处，相同之处不再赘述。
如图19所示，本申请实施例的转化单元921包括：对角矩阵确定子单元1210和矩阵转换子单元1220。
具体地，对角矩阵确定子单元1210，配置为确定当前的待处理光谱数据的符号对角矩阵。矩阵转换子单元1220，配置为目标函数通过对当前的待处理光谱数据和符号对角矩阵取乘积的方式，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据。
图20所示为本申请另一实施例提供的光谱重构装置的结构示意图。在图17所示实施例基础上延伸出图20所示实施例，下面着重叙述图20所示实施例与图17所示实施例的不同之处，相同之处不再赘述。
如图20所示，本申请实施例的确定模块910包括：当前数据确定单元911。
具体地，当前数据确定单元911配置为，基于第k个循环得到的当前的重构光谱数据和第(k+1)个循环得到的当前的重构光谱数据，确定第(k+2)个循环对应的当前的待处理光谱数据，其中，k为正整数。
图21所示为本申请另一实施例提供的光谱重构装置的结构示意图。在图20所示实施例基础上延伸出图21所示实施例，下面着重叙述图21所示实施例与图20所示实施例的不同之处，相同之处不再赘述。
如图21所示，本申请实施例的当前数据确定单元911包括：当前差值计算子单元1410和当前待处理光谱数据确定子单元1420。
具体地，当前差值计算子单元1410配置为，计算第(k+1)个循环得到的当前的重构光谱数据和第k个循环得到的当前的重构光谱数据的差值，得到差值数据。当前待处理光谱数据确定子单元1420配置为，基于第(k+1)个循环得到的当前的重构光谱数据、差值数据和预设回传函数，确定第(k+2)个循环对应的当前的待处理光谱数据。
图22所示为本申请另一实施例提供的光谱重构装置的结构示意图。在图17所示实施例基础上延伸出图22所示实施例，下面着重叙述图22所示实施例与图17所示实施例的不同之处，相同之处不再赘述。
如图22所示，本申请实施例的损失计算单元922包括：预处理子单元1510和损失值确定子单元1520。
具体地，预处理子单元1510配置为，利用目标函数，对当前的正光谱数据进行预处理，得到当前的预处理后的光谱数据。损失值确定子单元1520配置为，利用目标函数，基于当前的预处理后的光谱数据和响应值数据进行损失计算，以确定当前的损失值和当前的重构光谱数据。
图16至图22提供的光谱重构装置中的确定模块910和重构模块920，以及重构模块920中包括的转化单元921、损失计算单元922和调整单元923，以及转化单元921中包括的绝对值转化子单元1110、对角矩阵确定子单元1210和矩阵转换单元1220，以及确定模块910包括的当前数据确定单元911，以及当前数据确定单元911包括的当前差值计算子单元1410和当前待处理光谱数据确定子单元1420，以及损失计算单元922包括的预处理子单元1510和损失值确定子单元1520的操作和功能可以参考上述图2至图8提供的光谱重构方法，为了避免重复，在此不再赘述。
示例性电子设备
图23所示为本申请一实施例提供的电子设备的结构示意图。如图23所示，该电子设备1600包括：一个或多个处理器1601和存储器1602；以及存储在存储器1602中的计算机程序指令，计算机程序指令在被处理器1601运行时使得处理器1601执行如上述任一实施例的光谱重构方法。
处理器1601可以是中央处理单元(Central Processkng Unkt,CPU)或者具有数据传输能力和/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中的其他组件以执行期望的功能。
存储器1602可以包括一个或多个计算机程序产品，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(Random Access Memory,RAM)和/或高速缓冲存储器(Cache)等。非易失性存储器例如可以包括只读存储器(Read Only Memory,ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器1601可以运行程序指令，以实现上文的本申请的各个实施例的光谱重构方法中的步骤以及/或者其他期望的功能。
在一个示例中，电子设备1600还可以包括：输入装置1603和输出装置1604，这些组件通过总线系统和/或其他形式的连接机构(图23中未示出)互连。
此外，该输入装置1603还可以包括例如键盘、鼠标、麦克风等等。
该输出装置1604可以向外部输出各种信息。该输出装置1604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，为了简化，图23中仅示出了该电子设备1600中与本申请有关的组件中的一些，省略了诸如总线、输入装置/输出接口等组件。除此之外，根据具体应用情况，电子设备1600还可以包括任何其他适当的组件。
示例性计算机可读存储介质
除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，包括计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上述任一实施例的光谱重构方法中的步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或处理器上执行。
此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的光谱重构方法中的步骤。
计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、RAM、ROM、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)或闪存、光纤、便携式紧凑盘只读存储器(Compact Dksk Read Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
还需要指出的是，在本申请的装置、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申请的等效方案。
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申请。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申请的范围。因此，本申请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。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
以上仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换等，均应包含在本申请的保护范围之内。
Claims (9)
1.一种光谱重构方法，其特征在于，应用于光谱仪，包括：
确定待处理光谱数据；
利用目标函数将所述待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用所述目标函数基于所述正光谱数据和响应值数据进行损失计算，以确定损失值，如果所述损失值满足第一预设条件或所述损失计算的次数满足第二预设条件，得到重构光谱数据，其中，所述响应值数据为利用所述光谱仪对待重构光谱进行测量得到的；
其中，所述利用目标函数将所述待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用所述目标函数基于所述正光谱数据和响应值数据进行损失计算，以确定损失值，如果所述损失值满足第一预设条件或所述损失计算的次数满足第二预设条件，得到重构光谱数据，包括：
利用所述目标函数，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据；
利用所述目标函数，基于所述当前的正光谱数据和所述响应值数据，确定当前的损失值和当前的重构光谱数据；
基于所述当前的损失值和所述当前的重构光谱数据，调整所述待处理光谱数据，并循环迭代所述待处理光谱数据，直至确定所述损失值满足所述第一预设条件或所述损失计算的次数满足所述第二预设条件，得到所述重构光谱数据。
2.根据权利要求1所述的光谱重构方法，其特征在于，所述利用所述目标函数，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据，包括：
所述目标函数通过对所述当前的待处理光谱数据取绝对值的方式，将所述当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到所述当前的正光谱数据。
3.根据权利要求1所述的光谱重构方法，其特征在于，所述利用所述目标函数，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据，包括：
确定所述当前的待处理光谱数据的符号对角矩阵；
所述目标函数通过对所述当前的待处理光谱数据和所述符号对角矩阵取乘积的方式，将所述当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到所述当前的正光谱数据。
4.根据权利要求1至3任一项所述的光谱重构方法，其特征在于，所述确定待处理光谱数据，包括：
基于第k个循环得到的当前的重构光谱数据和第(k+1)个循环得到的当前的重构光谱数据，确定第(k+2)个循环对应的当前的待处理光谱数据，其中，k为正整数。
5.根据权利要求4所述的光谱重构方法，其特征在于，所述基于第k个循环得到的当前的重构光谱数据和第(k+1)个循环得到的当前的重构光谱数据，确定第(k+2)个循环对应的当前的待处理光谱数据，包括：
计算所述第(k+1)个循环得到的当前的重构光谱数据和所述第k个循环得到的当前的重构光谱数据的差值，得到差值数据；
基于所述第(k+1)个循环得到的当前的重构光谱数据、所述差值数据和预设回传函数，确定所述第(k+2)个循环对应的当前的待处理光谱数据。
6.一种光谱重构装置，其特征在于，应用于光谱仪，包括：
确定模块，配置为确定待处理光谱数据；
重构模块，配置为利用目标函数将所述待处理光谱数据中负的光谱数值转化为正的光谱数值，得到正光谱数据，并利用所述目标函数基于所述正光谱数据和响应值数据进行损失计算，以确定损失值，如果所述损失值满足第一预设条件或所述损失计算的次数满足第二预设条件，得到重构光谱数据，其中，所述响应值数据为利用所述光谱仪对待重构光谱进行测量得到的；
其中，所述重构模块包括：
转化单元，配置为利用所述目标函数，将当前的待处理光谱数据中负的光谱数值转化为正的光谱数值，得到当前的正光谱数据；
损失计算单元，配置为利用所述目标函数，基于所述当前的正光谱数据和所述响应值数据，确定当前的损失值和当前的重构光谱数据；
调整单元，配置为基于所述当前的损失值和所述当前的重构光谱数据，调整所述待处理光谱数据，并循环迭代所述待处理光谱数据，直至确定所述损失值满足第所述一预设条件或所述损失计算的次数满足所述第二预设条件，得到所述重构光谱数据。
7.一种光谱仪，其特征在于，包括：
探测器，用于对待重构光谱进行测量得到响应值数据，并将所述响应值数据发送给处理器；
所述处理器，与所述探测器电连接，用于接收所述响应值数据，并执行权利要求1所述的光谱重构方法，以得到重构光谱数据。
8.一种计算机可读存储介质，其特征在于，所述存储介质存储有指令，当所述指令由电子设备的处理器执行时，使得所述电子设备能够执行上述权利要求1至5任一项所述的光谱重构方法。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储计算机可执行指令的存储器；
所述处理器，用于执行所述计算机可执行指令，以实现上述权利要求1至5任一项所述的光谱重构方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210536422.5A CN115235628B (zh) | 2022-05-17 | 2022-05-17 | 光谱重构方法和装置、光谱仪、存储介质和电子设备 |
| PCT/CN2023/078205 WO2023221588A1 (zh) | 2022-05-17 | 2023-02-24 | 光谱重构方法和装置、光谱仪、存储介质和电子设备 |
| US18/354,510 US20230375405A1 (en) | 2022-05-17 | 2023-07-18 | Method and device for reconstructing spectrum, spectrometer, non-transitory computer-readable storage medium, and electronic device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210536422.5A CN115235628B (zh) | 2022-05-17 | 2022-05-17 | 光谱重构方法和装置、光谱仪、存储介质和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115235628A CN115235628A (zh) | 2022-10-25 |
| CN115235628B true CN115235628B (zh) | 2023-12-01 |
Family
ID=83668331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210536422.5A Active CN115235628B (zh) | 2022-05-17 | 2022-05-17 | 光谱重构方法和装置、光谱仪、存储介质和电子设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN115235628B (zh) |
| WO (1) | WO2023221588A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115235628B (zh) * | 2022-05-17 | 2023-12-01 | 中国科学院上海技术物理研究所 | 光谱重构方法和装置、光谱仪、存储介质和电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104849220A (zh) * | 2015-06-09 | 2015-08-19 | 武汉大学 | 一种平面式文物光谱图像获取方法 |
| 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 |
| CN108830796A (zh) * | 2018-06-20 | 2018-11-16 | 重庆大学 | 基于谱空结合和梯度域损失的高光谱图像超分辨重构方法 |
| CN113506235A (zh) * | 2021-09-08 | 2021-10-15 | 武汉纺织大学 | 一种对抗曝光变化的自适应加权光谱重建方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102012106584B4 (de) * | 2012-07-20 | 2021-01-07 | Carl Zeiss Ag | Verfahren und Vorrichtung zur Bildrekonstruktion |
| US10861143B2 (en) * | 2017-09-27 | 2020-12-08 | Korea Advanced Institute Of Science And Technology | Method and apparatus for reconstructing hyperspectral image using artificial intelligence |
| CN115235628B (zh) * | 2022-05-17 | 2023-12-01 | 中国科学院上海技术物理研究所 | 光谱重构方法和装置、光谱仪、存储介质和电子设备 |
-
2022
- 2022-05-17 CN CN202210536422.5A patent/CN115235628B/zh active Active
-
2023
- 2023-02-24 WO PCT/CN2023/078205 patent/WO2023221588A1/zh unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104849220A (zh) * | 2015-06-09 | 2015-08-19 | 武汉大学 | 一种平面式文物光谱图像获取方法 |
| 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 |
| CN108830796A (zh) * | 2018-06-20 | 2018-11-16 | 重庆大学 | 基于谱空结合和梯度域损失的高光谱图像超分辨重构方法 |
| CN113506235A (zh) * | 2021-09-08 | 2021-10-15 | 武汉纺织大学 | 一种对抗曝光变化的自适应加权光谱重建方法 |
Non-Patent Citations (2)
| Title |
|---|
| Spectrum reconstruction for five-channel autocorrelation function of spectropolarimeter;Jirui Zhang 等;Optik;第157卷;1259-1266 * |
| 基于图像融合的多光谱图像超分辨率重建算法;潘之玮;浙江大学博士论文;1-96 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023221588A1 (zh) | 2023-11-23 |
| CN115235628A (zh) | 2022-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115235628B (zh) | 光谱重构方法和装置、光谱仪、存储介质和电子设备 | |
| Catrysse et al. | Optical efficiency of image sensor pixels | |
| US11212498B2 (en) | Infrared crosstalk correction for hybrid RGB-IR sensors | |
| CN102334157A (zh) | 用以获得描述信号的信号特性变异参数的装置、方法与电脑程式 | |
| EP3254072A1 (en) | Method and system for estimating an input spectrum from sensor data | |
| Giannakis | Signal reconstruction from multiple correlations: frequency-and time-domain approaches | |
| CN111024229B (zh) | 单芯片集成型光谱成像微系统光谱数据校正方法 | |
| CN109073357A (zh) | 滤波器阵列重构光谱测定 | |
| Brodzik et al. | Convex projections algorithm for restoration of limited-angle chromotomographic images | |
| JP2005509167A6 (ja) | 分光感度の選択を最適化する方法および装置 | |
| Azzari et al. | Modeling and estimation of signal-dependent and correlated noise | |
| JP5987563B2 (ja) | 温度測定方法および温度測定装置 | |
| WO2003016926A1 (en) | Method and apparatus nbh reducing skew in a real-time centroid calculation | |
| EP3816829A1 (en) | Detection device and detection method | |
| Shakya et al. | Plasmonic color filter array based visible light spectroscopy | |
| Li et al. | Poisson phase retrieval with Wirtinger flow | |
| WO2021253671A1 (zh) | 磁共振电影成像方法、装置、成像设备及存储介质 | |
| US20230375405A1 (en) | Method and device for reconstructing spectrum, spectrometer, non-transitory computer-readable storage medium, and electronic device | |
| KR20080029960A (ko) | 기구에 의해 생성된 데이터 분석 기술 | |
| CN117191716A (zh) | 基于人工智能的磁性印刷品质量实时检测方法 | |
| CN116486944A (zh) | 基于多材料衰减信息正则化加权的x射线能谱估计方法 | |
| CN116007754A (zh) | 光谱仪标定方法、装置、电子设备和存储介质 | |
| CN113450287A (zh) | 高分辨率光谱恢复方法、装置和电子设备 | |
| Sizikov et al. | Reconstruction of continuous spectra by the regularization method using model spectra | |
| Lansel et al. | Dictionaries for sparse representation and recovery of reflectances |
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 |