买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学

摘要：本发明涉及一种基于退化仿真的干涉光谱成像复原方法及系统，属于遥感图像处理技术领域。在退化建模标定中将干涉成像中的退化元素分为趋势项和噪声，并将退化过程建模为仪器退化、感光退化和信号无关退化三大阶段，采用干涉成像退化模型及相应的模型标定方法，针对特定的仪器提取各个阶段的退化特性和模型参数，生成相应的标定结果，并用于生成高度拟真的干涉数据。在复原过程中，构建一个多阶段的复原算法框架，将退化过程中的趋势项、变换计算等元素和噪声分开处理，同时设计了多阶段仿真数据集生成方法，能够根据标定结果，从光谱数据集生成专用于训练整个算法的、高拟真度的仿真干涉图数据集。本发明实现了效率更高、效果更好的干涉成像复原。

主权项：1.一种基于退化仿真的干涉光谱成像复原方法，其特征在于，包括以下步骤：步骤1：基于成像机理和标定数据分析的干涉成像退化建模；步骤1.1：利用干涉成像光谱仪拍摄标定数据，并进行数据整理和预处理；使用干涉成像光谱仪拍摄标定数据，包含相对标定数据和绝对标定两种数据；利用经典复原方法和绝对标定数据得到均匀光谱复原结果；将以上结果进行整理，供后续标定过程使用；步骤1.2：构建对实机标定数据执行退化模型的标定解算，确定模型参数；根据标定方法的设计，将标定数据与三阶段的退化模型对应，并执行参数标定，层层拆解退化元素；首先通过相对标定数据中的黑帧确定信号无关退化的参数，然后通过均匀光数据确定感光退化参数；最后通过绝对标定数据和光谱数据确定仪器退化参数，获取针对于该仪器的完整退化模型参数；步骤2：基于深度学习的阶段式干涉成像复原；步骤2.1：利用标定结果进行多阶段训练数据仿真，生成算法框架训练数据集；首先对无噪声高光谱数据集进行预处理，包括裁剪变换、谱域插值，得到特定格式的光谱图；然后，将光谱图和标定结果代入退化模型中，通过退化和变换的计算，模拟仪器的成像过程，生成仿真退化干涉数据；根据算法训练需求，对趋势项和噪声的分开处理，根据仿真数据有无趋势项和有无噪声，将数据仿真过程划分为多个阶段，并依次生成多阶段仿真数据集；步骤2.2：将去噪网络嵌入多阶段复原算法框架，并通过数据集进行训练；其中，算法框架具有多阶段的结构，覆盖干涉成像结果到理想光谱复原结果的完整过程；框架中有三个模块需要嵌入去噪网络，分别表示为A、B、C，并进行训练；通过多阶段的仿真训练集，分别训练不同阶段的去噪网络；网络按照不同阶段依次分立训练，后一阶段使用前一阶段生成的中间结果作为训练源，并使用仿真数据集作为标签；训练完成后，将去噪模型嵌入算法框架中，构成多阶段复原算法；步骤3：从干涉仪拍摄的真实干涉数据中，重建高质量的光谱图像；将干涉仪拍摄的真实干涉数据输入到训练好的复原算法中，通过复原计算得到高质量的光谱图像结果。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于退化仿真的干涉光谱成像复原方法及系统