摘要
相较于传统快照式高光谱成像技术,基于深度学习的滤光片型高光谱成像技术仅使用深度学习和极少的滤光片进行光谱采样,便能重建高光谱,且滤光片直接与图像传感器集成,具有结构简单、成像速度快等优点。但现有的研究大多直接以原高光谱成像仪拍摄的图像为数据集,而未对数据集进行预处理,忽略了原高光谱成像仪对数据集的影响。因此,通过对原高光谱成像仪成像原理进行研究来对数据集进行预处理,把高光谱图像转换为辐射功率谱,从而消除原高光谱成像仪的影响,增强了模型鲁棒性。另外,鉴于滤光片存在光谱响应函数平滑性差而难以加工的问题,将平滑性约束纳入误差函数的设计中,使优化所得的滤光片具有平滑的光谱响应函数且易于加工。
-
单位光学与电子科技学院; 中国计量大学