發(fā)布時間：2021-06-13 07:31

　　高光譜成像技術(shù)通常以數(shù)十個或數(shù)百個波段的形式記錄場景的光譜信息,其中每個波段對應于特定狹窄的波長范圍。采集到的高光譜圖像相比于彩色圖像包含更豐富的光譜信息,同時場景的光譜特性已經(jīng)被證明對多個研究領(lǐng)域有幫助。在傳統(tǒng)行業(yè)中,高光譜成像技術(shù)已經(jīng)被用于遙感成像,藥物檢測,礦物勘探等領(lǐng)域。而最近高光譜圖像開始應用在許多計算機視覺任務中,例如圖像分割,人臉識別,物體跟蹤等任務。在傳統(tǒng)獲取高光譜圖像的過程中通常使用二維傳感器捕捉三維信息,所以不可避免地要在光譜分辨率和空間或者時間分辨率間做出權(quán)衡。例如在捕捉動態(tài)場景的光譜信息時,快照式光譜成像技術(shù)通過犧牲空間分辨率來換取光譜分辨率,因此高光譜圖像空間超分辨率技術(shù)經(jīng)常被用在圖像后處理中。此外,由于高光譜成像技術(shù)中的硬件系統(tǒng)和重建算法仍然存在高復雜度的問題,隨著研究者們提出基于彩色相機的高光譜成像技術(shù),從彩色圖像到高光譜圖像的重建算法（光譜超分辨率）成為研究關(guān)鍵點。本文旨在探究基于深度學習的光譜重建算法。圍繞這一核心,研究內(nèi)容大體分為光譜超分辨率和高光譜圖像空間超分辨率兩方面。同時我們也利用高空間分辨率彩色圖像與低空間分辨率高光譜圖像之間的互補信息,完成... 

【文章來源】：中國科學技術(shù)大學安徽省 211工程院校 985工程院校

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【部分圖文】：

圖１．２高光譜成像技術(shù)中的掃描方式￣??如圖１．２?（ａ）所示，擺掃式成像技術(shù)每一次只釆集一個像素點上的所有光譜信??息，通過向其他空間兩個方向移動釆集場景其他像素點的光譜信息

?第１章緒?論???Ｈｖｐｅｒｃｕｂｃ?（ｒ）?ＲＧＢ?Ｉｍａｇｅ??■＾■＾ＯｒｅｅｎＣＯ）??�。猓蓿。福�？�。椋椋�??ＵＶ?？ＮＩＲ?Ｘ?＾?Ｘ?＾?Ｂ?Ｇ?Ｒ??Ｗａｖｅｌｅｎｇｔｈ）．?Ｗａｖｅｌｅｎｇｔｈ?ｋ??圖１．３高光譜圖像與彩色圖像的對比｜８］??法。這些方法通常使用耦合釆集加計算重構(gòu)的方法獲取高光譜圖像。三個有代??表性的工作包括計算層析成像技術(shù)（Ｃｏｍｐｕｔｅｄ?Ｔｏｍｏｇｒａｐｈｙ?Ｉｍａｇｉｎｇ?Ｓｐｅｃｔｒｏｍｅｔｅｒ，??ＣＴＩＳ丨５】），棱鏡掩模多光譜視頻成像系統(tǒng)（Ｐｒｉｓｍ?Ｍａｓｋ?Ｍｕｌｔｉｓｐｅｃｔｒａｌ?Ｖｉｄｅｏ?Ｉｍａｇｉｎｇ??Ｓｙｓｔｅｍ，?ＰＭＶＩＳ［６］），編碼光圈光譜成像儀（Ｃｏｄｅｄ?Ａｐｅｒｔｕｒｅ?Ｓｎａｐｓｈｏｔ?Ｓｐｅｃｔｒａｌ?Ｉｍ？??ａｇｅｒ，?ＣＡＳＳＩ［７］）。?這些方法通過構(gòu)建復雜的重建算法來降低構(gòu)建高光譜成像系統(tǒng)??的難度，從而提高高光譜圖像重建質(zhì)量。雖然上述幾種方式都能得到質(zhì)量較好的??高光譜圖像，但是仍然存在重建算法設(shè)計復雜、系統(tǒng)搭建困難、需要犧牲時間或??空間維度來換取光譜維度等缺陷。??最近研究者們開始嘗試僅僅利用彩色圖像重建得到高光譜圖像，彩色圖像??與高光譜圖像的區(qū)別如圖１．３所示。相比于彩色圖像，高光譜圖像包含更多的光??譜信息。與圖像超分辨率問題類似，利用彩色圖像恢復高光譜圖像同樣是一個??不適定問題，在降至過程中有大量的光譜信息丟失。研究者們開始基于彩色數(shù)??碼相機和其他光學元器件設(shè)計一個特定的系統(tǒng)。Ｇｏｅｌ．Ｍ等人％在時間多路復用??光源照射的場景下使用彩色數(shù)碼相機捕捉場景，場景的反射率利用計算方法跨

?第１章緒?論???—??＿?＋?Ｈ＿?讓?＋??ＳＫＬｔ?Ｒｅｃｏｎｓｔｒｕｃｔ???＞??ＨＲＲＣＢ?Ｗｉ?＾??＿＆２?ＨＲ?ＨＳＩ??Ｓｎａｐｓｈｏｔ??ｉｓｍ??圖１．４常見的高光譜圖像蜇建問題??及基于快照式的光譜重建。高光譜空間超分辨率類似于單張圖像的超分辨率任??務，即輸入一張低空間分辨率的高光譜圖像輸出一張高空間分辨率的高光譜圖??像。高光譜圖像空間超分辨率任務是一個嚴格的不適定問題，目前解決這個問題??的主流方法是使用基于學習的方法。之前最有代表性的是基于稀疏編碼（ｓｐａｒｓｅ??ｃｏｄｉｎｇ）的方法［１２］，它將低空間分辨率高光譜數(shù)據(jù)和高空間分辨率高光譜數(shù)據(jù)??作為一個外部數(shù)據(jù)庫來學習兩者間的關(guān)系，通過這個關(guān)系在給定一張新的低空??間分辨率高光譜數(shù)據(jù)時能夠重建出高空間分辨率的高光譜圖像。一般訓練數(shù)據(jù)??中的高分辨率高光譜圖像可以通過掃描式的光譜儀得到。隨著深度學習的成功??興起，基于卷積神經(jīng)網(wǎng)絡的方法開始取代之前基于字典學習的方法，這種方法直??接學習低空間分辨率和高空間分辨率高光譜圖像間的映射關(guān)系。Ｌｉ等人Ｍｌ首次??在高光譜空間超分辨率任務中使用卷積神經(jīng)網(wǎng)絡，同時提出一個空間限制，強制??要求高光譜重建圖像下釆樣得到的低空間分辨率高光譜圖像與之前網(wǎng)絡的輸入??盡可能相似。更進一步，Ｍｅｉ等人提出使用３Ｄ卷積神經(jīng)網(wǎng)絡，這種方法的優(yōu)??勢在于可以同時利用空間場景信息和譜帶之間的相關(guān)性。??高光譜圖像空譜聯(lián)合超分辨率，顧名思義就是輸入一張高空間分辨率的彩色??圖像和低空間分辨率的高光譜圖像聯(lián)合重建出高空間分辨率的高光譜圖像，這??也可以被認為是一種圖像間的融合。高光譜圖像


本文編號：3227287