CN207197669U - 宽带滤光光谱成像仪 - Google Patents
宽带滤光光谱成像仪 Download PDFInfo
- Publication number
- CN207197669U CN207197669U CN201720930284.3U CN201720930284U CN207197669U CN 207197669 U CN207197669 U CN 207197669U CN 201720930284 U CN201720930284 U CN 201720930284U CN 207197669 U CN207197669 U CN 207197669U
- Authority
- CN
- China
- Prior art keywords
- optical
- broadband
- spectrum
- light modulator
- lens
- 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.)
- Withdrawn - After Issue
Links
Landscapes
- Spectrometry And Color Measurement (AREA)
Abstract
本实用新型属于光学探测技术领域,具体涉及一种宽带滤光光谱成像仪。该宽带滤光光谱成像仪包括沿光路方向依次设置的第一成像镜、狭缝、准直透镜、第一光栅组件、第一聚光透镜、空间光调制器、第二聚光透镜、第二光栅组件、第二成像镜和线阵探测器;所述空间光调制器用于实现宽带滤光并进行不同光谱向量的切换。本实用新型利用推扫型宽带滤光光谱成像仪结合光谱角度分类算法,不需要进行复杂的光谱反演便可以直接进行光谱分类,大幅降低了运算数据量,可以实现实时性的自适应直接光谱分类。
Description
技术领域
本实用新型属于光学探测技术领域,具体涉及一种宽带滤光光谱成像仪以及自适应直接光谱分类方法。
背景技术
出现于二十世纪八十年代的光谱成像技术(Imaging Spectrometry)是一种利用连续窄波段光谱通道对目标持续遥感成像的技术,可以同时获取目标的空间信息和光谱信息形成三维光谱数据立方体。数据立方体可以提供每一个波段的光谱图像数据,也可以为每一个像元提供连续的光谱曲线。传统的光谱成像技术在空间分辨率、光谱分辨率、信噪比、曝光时间等方面均存在相互制约的关系,因此难以满足大范围环境的连续成像探测需求。
2006年,美国杜克大学的Brady教授在论文《Compressive ImagingSpectrometers Using Coded Apertures》(Proc.of SPIE,2006,6246:62460A-1-9)中提出了将传统光谱成像技术中的狭缝更换为特殊形式的二维编码模板的技术方案,通过计算机仿真获取目标光谱图像的压缩感知图像,并利用压缩感知理论进行图谱复原。由于该技术方案主要是通过计算方法改变传统光谱成像方式,并通过光路变换方法实现计算方法的硬件化,最后通过计算反演得到高信噪比的图谱数据,因此也被称为计算光谱成像技术。计算光谱成像技术相比于传统光谱成像技术可以同时实现高通量、高光谱分辨率和高信噪比,但是其得以实现的基础是从复杂混叠的原始数据中反演出光谱数据,而复杂的光谱反演过程通常也意味着长时间地、庞大数据地分析运算,实时应用困难。
实用新型内容
本实用新型目的是提供一种宽带滤光光谱成像仪,解决了计算光谱成像技术中存在的运算数据量大、实时性差的技术问题。
本实用新型的技术解决方案是:一种宽带滤光光谱成像仪,其特殊之处在于:包括沿光路方向依次设置的第一成像镜、狭缝、准直透镜、第一光栅组件、第一聚光透镜、空间光调制器、第二聚光透镜、第二光栅组件、第二成像镜和线阵探测器;所述空间光调制器用于实现宽带滤光并进行不同光谱向量的切换。
进一步地,上述第一光栅组件包括沿光路方向依次设置的起偏器和第一光栅;所述第二光栅组件包括沿光路方向依次设置的第二光栅和检偏器。
进一步地,上述空间光调制器为液晶空间光调制器。
本实用新型还提供一种基于上述宽带滤光光谱成像仪的自适应直接光谱分类方法,其特殊之处在于,包括以下步骤:
1)根据待分类类别个数及每个类别对应的样本光谱,设置空间光调制器垂直于狭缝方向的列向量,使得所述列向量表达其中一个类别对应的样本光谱;所述样本光谱的光谱向量的模为其中r是样本光谱;
2)进行一次曝光,记录穿过狭缝的目标像元经过编码滤波后在线阵探测器上输出的目标像元光谱的原始数据其中y是目标像元光谱;
3)计算并记录所述样本光谱的比较系数:
4)改变空间光调制器的列向量,使得所述列向量表达下一个类别对应的样本光谱;
5)重复执行步骤2)至步骤4),直至完成在所有分类类别对应的样本光谱下进行曝光和记录;
6)筛选所有样本光谱的比较系数a的最大值,将目标像元光谱分类至比较系数a的最大值对应的分类类别中并直接输出分类图像。
进一步地,上述自适应直接光谱分类方法,还包括以下步骤:
7)控制光谱成像仪沿推扫方向前进一步,执行步骤1)至步骤6);所述推扫方向垂直于狭缝方向。
本实用新型的有益效果在于:本实用新型利用推扫型宽带滤光光谱成像仪结合光谱角度分类算法,不需要进行复杂的光谱反演便可以直接进行光谱分类,大幅降低了运算数据量,可以实现实时性的自适应直接光谱分类。
附图说明
图1为本实用新型宽带滤光光谱成像仪的较佳实施例原理示意图。
其中,附图标记为:1-第一成像镜、2-狭缝、3-准直透镜、4-起偏器、5-第一光栅、6-第一聚光透镜、7-空间光调制器、8-第二聚光透镜、9-第二光栅、10-检偏器、11-第二成像镜、12-线阵探测器。
具体实施方式
本实用新型提供了一种宽带滤光光谱成像仪,如图1所示,其较佳实施例的光路传输原理是:输入数据立方体经过第一成像镜1到达一次像面,经过横向设置的视场光阑狭缝2然后达到准直透镜3,被第一光栅组件(包括起偏器4和第一光栅5)位移色散,经过第一聚光透镜6汇聚成像在空间光调制器7上,空间光调制器7对图谱数据进行编码,经过第二聚光透镜8汇聚到达第二光栅组件(包括第二光栅9和检偏器10),第二光栅组件将移位色散编码后的数据立方体进行反向位移和重新复合,然后通过第二成像镜11成像于线阵探测器上。空间光调制器7可以选用液晶空间光调制器(LCSLM)用于实现宽带滤光并进行不同光谱向量的切换。
本实用新型还提供一种自适应直接光谱分类方法,采用推扫型宽带滤光光谱成像仪进行数据获取,其中宽带滤光光谱成像仪可以为色散编码型光谱成像仪或其他类型的可以实现宽带滤波功能的光谱成像仪。宽带滤光向量种类应该大于等于待分类的种类数。每一种宽带滤光光谱向量需要进行精细设计,滤光光谱谱线应接近于某一类的样本光谱,全部宽带滤光光谱向量应该覆盖所有的分类。
目标像元依次经过表达不同光谱特征的宽带滤光器件,根据光谱角度分类算法:
其中y是目标像元的光谱,r是宽带滤光器件表达光谱(即样本光谱),则两个光谱之间的角度可以由上式计算。分别求解地面像元光谱与一系列宽带滤光器件表达光谱之间光谱角度,筛选出角度最小的,则表示地面像元属于该宽带滤光光谱所代表的类别。
上式中即为地面像元光谱经过宽带滤光器件后得到的原始数据,是地面像元光谱向量的模,是宽带滤光器件对应光谱向量的模,在一个特定地面像元的分类过程中,是常量,随着类别不同,其对应的宽带滤光元件表达光谱不同,是一个变量。
将公式(1)改写成公式(2),可知θ越小,cosθ越大,在分类计算时,是个正数且是常量,不影响cosθ比较结果,因此可以得到样本光谱的比较系数a。
因此,推扫型宽谱段滤光光谱成像仪采用原始数据除以不同滤光光谱向量的模,然后找到其中的最大值对应的滤光光谱向量,就可以确定该目标像元对应的光谱分类。
该光谱分类方法具体包括以下步骤:
1)根据待分类类别个数及每个类别对应的样本光谱,设置空间光调制器垂直于狭缝方向的列向量,使得所述列向量表达其中一个类别对应的样本光谱;所述样本光谱的光谱向量的模为其中r是样本光谱;
2)进行一次曝光,记录穿过狭缝的目标像元经过编码滤波后在线阵探测器上输出的目标像元光谱的原始数据其中y是目标像元光谱;
3)计算并记录所述样本光谱的比较系数:
4)改变空间光调制器的列向量,使得所述列向量表达下一个类别对应的样本光谱;
5)重复执行步骤2)至步骤4),直至完成在所有分类类别对应的样本光谱下进行曝光和记录;
6)筛选所有样本光谱的比较系数a的最大值,将目标像元光谱分类至比较系数a的最大值对应的分类类别中并直接输出分类图像。
7)控制光谱成像仪沿垂直于狭缝方向推扫方向前进一步,执行步骤1)至步骤6);推扫方向垂直于狭缝方向。
Claims (3)
1.一种宽带滤光光谱成像仪,其特征在于:包括沿光路方向依次设置的第一成像镜、狭缝、准直透镜、第一光栅组件、第一聚光透镜、空间光调制器、第二聚光透镜、第二光栅组件、第二成像镜和线阵探测器;所述空间光调制器用于实现宽带滤光并进行不同光谱向量的切换。
2.根据权利要求1所述的宽带滤光光谱成像仪,其特征在于:所述第一光栅组件包括沿光路方向依次设置的起偏器和第一光栅;所述第二光栅组件包括沿光路方向依次设置的第二光栅和检偏器。
3.根据权利要求1或2所述的宽带滤光光谱成像仪,其特征在于:所述空间光调制器为液晶空间光调制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201720930284.3U CN207197669U (zh) | 2017-07-28 | 2017-07-28 | 宽带滤光光谱成像仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201720930284.3U CN207197669U (zh) | 2017-07-28 | 2017-07-28 | 宽带滤光光谱成像仪 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN207197669U true CN207197669U (zh) | 2018-04-06 |
Family
ID=61799088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201720930284.3U Withdrawn - After Issue CN207197669U (zh) | 2017-07-28 | 2017-07-28 | 宽带滤光光谱成像仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN207197669U (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107328475A (zh) * | 2017-07-28 | 2017-11-07 | 中国科学院西安光学精密机械研究所 | 宽带滤光光谱成像仪以及自适应直接光谱分类方法 |
CN108387316A (zh) * | 2018-05-17 | 2018-08-10 | 中国科学院西安光学精密机械研究所 | 一种视频型自适应目标识别装置及方法 |
CN108917930A (zh) * | 2018-06-21 | 2018-11-30 | 中国科学院西安光学精密机械研究所 | 基于光谱成像技术的高光谱解混光学实现方法 |
-
2017
- 2017-07-28 CN CN201720930284.3U patent/CN207197669U/zh not_active Withdrawn - After Issue
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107328475A (zh) * | 2017-07-28 | 2017-11-07 | 中国科学院西安光学精密机械研究所 | 宽带滤光光谱成像仪以及自适应直接光谱分类方法 |
CN107328475B (zh) * | 2017-07-28 | 2019-01-22 | 中国科学院西安光学精密机械研究所 | 宽带滤光光谱成像仪以及自适应直接光谱分类方法 |
CN108387316A (zh) * | 2018-05-17 | 2018-08-10 | 中国科学院西安光学精密机械研究所 | 一种视频型自适应目标识别装置及方法 |
CN108387316B (zh) * | 2018-05-17 | 2023-12-08 | 中国科学院西安光学精密机械研究所 | 一种视频型自适应目标识别装置及方法 |
CN108917930A (zh) * | 2018-06-21 | 2018-11-30 | 中国科学院西安光学精密机械研究所 | 基于光谱成像技术的高光谱解混光学实现方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107328475B (zh) | 宽带滤光光谱成像仪以及自适应直接光谱分类方法 | |
US7219086B2 (en) | System and method for hyper-spectral analysis | |
US7562057B2 (en) | System and method for hyper-spectral analysis | |
Baek et al. | Compact single-shot hyperspectral imaging using a prism | |
CN108955887B (zh) | 基于lctf的全偏振高光谱压缩感知成像方法 | |
CN110494723B (zh) | 波前传感器及其使用方法 | |
Cao et al. | A prism-mask system for multispectral video acquisition | |
CN207197669U (zh) | 宽带滤光光谱成像仪 | |
CN103308466B (zh) | 便携式滤光片色轮型多光谱成像系统及其光谱图像处理方法 | |
US7652765B1 (en) | Hyper-spectral imaging methods and devices | |
KR102269229B1 (ko) | 렌즈리스 초분광 영상 이미징 방법 및 그 장치 | |
US20050270528A1 (en) | Hyper-spectral imaging methods and devices | |
Ma et al. | Acquisition of high spatial and spectral resolution video with a hybrid camera system | |
KR102139858B1 (ko) | 프리즘을 이용한 초분광 영상 재구성 방법 및 시스템 | |
US20020057431A1 (en) | System and method for encoded spatio-spectral information processing | |
CN103743482A (zh) | 一种光谱成像装置及光谱成像反演方法 | |
WO2005088264A1 (en) | Hyper-spectral imaging methods and devices | |
CN106788714B (zh) | 一种基于光学计算的稀疏解混方法 | |
CN111386549A (zh) | 一种混合型高光谱图像重构的方法及系统 | |
US20220086372A1 (en) | Multi-Modal Computational Imaging via Metasurfaces | |
Qian et al. | Vector quantization using spectral index-based multiple subcodebooks for hyperspectral data compression | |
CN113008370B (zh) | 基于液晶高光谱计算成像系统的三维自适应压缩重构方法 | |
CN117173580A (zh) | 水质参数的获取方法及装置、图像处理方法、介质 | |
CN115731191A (zh) | 一种基于神经网络的窄波段光谱成像方法 | |
CN113847986A (zh) | 一种基于衍射的共光轴双像面光谱编码成像系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
AV01 | Patent right actively abandoned |
Granted publication date: 20180406 Effective date of abandoning: 20190122 |
|
AV01 | Patent right actively abandoned |
Granted publication date: 20180406 Effective date of abandoning: 20190122 |
|
AV01 | Patent right actively abandoned | ||
AV01 | Patent right actively abandoned |