CN115931123B 基于自适应优化稀疏字典的光谱重建计算方法及光谱系统 (中国科学院长春光学精密机械与物理研究所)_第1页
CN115931123B 基于自适应优化稀疏字典的光谱重建计算方法及光谱系统 (中国科学院长春光学精密机械与物理研究所)_第2页
CN115931123B 基于自适应优化稀疏字典的光谱重建计算方法及光谱系统 (中国科学院长春光学精密机械与物理研究所)_第3页
CN115931123B 基于自适应优化稀疏字典的光谱重建计算方法及光谱系统 (中国科学院长春光学精密机械与物理研究所)_第4页
CN115931123B 基于自适应优化稀疏字典的光谱重建计算方法及光谱系统 (中国科学院长春光学精密机械与物理研究所)_第5页
已阅读5页,还剩20页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

KR20190036459A,2019基于自适应优化稀疏字典的光谱重建计算本发明涉及一种基于自适应优化稀疏字典验信息,针对性优化基函数稀疏字典的构造过够降低基函数稀疏字典对光谱重建计算过程的2步骤3、根据光谱信号近似最优解和预设算法终止条件判断光谱重建计算过程是否终步骤4、以光谱信号近似最优解作为先验信息,针对性优化基函数稀疏字典的构造过在针对性优化基函数稀疏字典的构造过程时,首先找到重建疏基函数以及删除了无效稀疏基函数后的常规基函数稀疏字典一起构2.根据权利要求1所述的一种基于自适应优化稀疏字典的光谱重建计算方法,其特征编码计算光谱测量系统或者被动式宽带滤波编码计算光谱测量系统得到的解离散光谱分3.根据权利要求1所述的一种基于自适应优化稀疏字典的光谱重建计算方法,其特征4.根据权利要求1所述的一种基于自适应优化稀疏字典的光谱重建计算方法,其特征5.根据权利要求1所述的一种基于自适应优化稀疏字典的光谱重建计算方法,其特征36.根据权利要求1所述的一种基于自适应优化稀疏字典的光谱重建计算方法,其特征至6任意一项所述的基于自适应优化稀疏字典的光谱重建计算方法进行光谱重建计算,得4[0005]基于压缩感知理论设计的宽带编码重建光谱测量及光谱成像系统采用的稀疏表5方法及光谱系统,该方法及光谱系统在保证基函数稀疏字典光谱重建完备性优势的基础[0011]步骤3、根据光谱信号近似最优解和预设算法终止条件判断光谱重建计算过程是分稀疏基函数以及删除了无效稀疏基函数后的常规基函数稀疏字典一起构成优化稀疏字[0022](2)本发明提出的光谱重建方法,通过增加基函数稀疏字典的自适应迭代优化过6[0028]图5为采用传统NormalSD、细分稀疏字典SSD以及AOSDSR方法对于给定复杂光谱规基函数稀疏字典构造方法的基础上,通过设置基函数稀疏字典的自适应迭代优化过程,结合附图及较佳实施例对本发明的技术方案进行详[0030]如图1所示,本发明提供一种基于自适应优化稀疏字典的光谱重建计算方法(adaptivelyoptimizedsparsedictionary_basedspectralreconstruction,[0036]步骤3、根据光谱信号近似最优解和预设算法终止条件判断光谱重建计算过程是[0038]根据用户需求或计算资源限制,当重建光谱达到某一预设的分辨率等级时终止(即稀疏字典中最窄稀疏基函数宽度达到某一预设水平),因此条件(1)为光谱信号近似最7判定阈值s的最窄及次最窄即半高全宽(FWHM)最小以及第二小(可根据实际情况增加其他判定条件)的稀疏基函数,或者采用软阈值方法或者基于小波分析的频率幅值筛选方法在所有剩余稀疏基函数中寻找不完全稀疏基函数,将这些稀疏基函数命名为“不完全稀疏基函数稀疏字典获得的光谱信号近似最优解为先验信息的新的优化动式宽带滤波编码计算光谱测量系统或者被动式宽带滤波编码计算光谱测量系统得到的n为测量[0049]针对上述的基于自适应优化稀疏字典的光谱重建方法的基本原理可以分为两部8波长及FWHM按照整数倍进行平移与拉伸变换后,取中心波长在λmin至λmax范围内、(λmax_[0053]如图2所示为可行的高斯函数稀疏解空间示意图,两横坐标分别为高斯基函数的斯基函数对其进行最佳拟合表示,这些高斯基函数往往并不会恰好位于划分好的“网格”采用细分稀疏基函数构造的稀疏字典称为subdividedsparsedictionary,简称9[0063]如图3所示,是宽带滤波编码重建光谱测量/光谱成像系统的基本原理及实现方i)为对应的离散光谱估计值。[0073]其中,[Sk]为一个t*1的列矩阵,每一元素代表第k次测量探测器输出信号,[Rk[0078]对于图3(b)所示的主动式光电探测系统,若改变待测目标的理想照明光谱分i)为目标的理想光谱反射率r(λ)的离散值。学超表面和Fabry_Perot干涉腔等可以实现类[0092]本发明所提出的光谱系统的主要优势在于采用一种基于自适应优化稀疏字典的[0093]下面采用数值仿真方法对本发明的光谱重建计算方法的光谱信号重建性能进行评估。图4所示为采用数值仿真方法对本发明的AOSDSR方法的光谱信号重建性能进行评估[0097]如图5所示为采用传统NormalSD、细分稀疏字典SSD以及AOSDSR方法对于给定复杂光谱信号的重建性能仿真结果对比图,其中图5(a)为采用SSD在50dB噪声下光谱重建效果,图5(b)为采用NormalSD与AOSDSR在50dB噪声下光谱重建效果,图5(c)为采用SSD在图中所示RMSE为重建光谱与标准参考光谱的均方根误差,τ为重建计算过程采用的正则化[0098]1.重建光谱保真度与分辨率提升:在不同测量噪声水平下,AOSDSR都具有比[0100]3.在保证重建光谱性能的前提下,AOSDSR所[0101]该仿真结果可以证明本发明提出的基于AO

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论