编码孔径快照光谱成像系统(Coded Aperture Snapshot Spectral Imaging,CASSI)与传统高光谱成像方式相比,具有采集时间短、成本功耗低等优点,因此研究基于CASSI系统获取的压缩图像重建技术在一定程度上有利于解决高光谱图像获取困难的...编码孔径快照光谱成像系统(Coded Aperture Snapshot Spectral Imaging,CASSI)与传统高光谱成像方式相比,具有采集时间短、成本功耗低等优点,因此研究基于CASSI系统获取的压缩图像重建技术在一定程度上有利于解决高光谱图像获取困难的问题。基于此设想,文章深入研究基于光谱维度感知的多头自注意力光谱重建模型,不同于以往在空间维计算全局相关性,该方法沿光谱维计算自注意力;此外,将CASSI系统中物理掩模的潜在引导性引入自注意力计算。在此基础上,文章研究发现上述原始网络对于捕获空间维信息具有局限性,提出加入空间维信息提取、空间维与光谱维之间的信息交互模块以及频域约束,整合为基于光谱和空间信息混合先验的压缩光谱图像重建网络(Mix Spectral-Spatial Prior Information for Efficient Hyperspectral Image Reconstruction,MixT)。实验结果表明:1)空间维信息、维度交互模块和频域约束的加入能提升图像重建性能;2)MixT方法在测试数据集上的峰值信噪比(Peak Signal to Noise Ratio,PSNR)为35.50,结构相似性(Structure Similarity Index Measure,SSIM)为0.948,均高于五种现有相关算法。展开更多
文摘实现基于RGB图像的光谱重建对降低光谱的硬件要求、扩大其实际应用具有重大意义。该研究以鱼糜掺假检测为例,比较多元多项式最小二乘回归算法(polynomial multivariate least-squares regression,PMLR)与深度学习HRNet网络对光谱重建的性能,建立基于重建光谱多种掺假鱼糜检测模型并验证其实际应用的有效性。结果表明,2种方法的重建光谱误差较小,HRNet网络、PMLR算法重建光谱的均方根误差(root mean square error,RMSE)分别为0.0104和0.0126,大多数掺假检测模型有较高的预测准确性,其预测相关系数大于0.91,预测均方根误差小于9%。在基于重建光谱建立的掺假检测模型中,效果最佳的是基于PMLR算法重建光谱使用标准正态变量变换(standard normal variate,SNV)预处理的极限学习机回归模型,其预测均方根误差为3.9544%、预测相关系数为0.9830。因此,PMLR算法和HRNet网络均能较好的实现基于RGB图像的光谱重建,且重建光谱均能实现对鱼糜掺假样本的较好检测结果,为基于重建光谱的食品和农产品品质与安全检测提供了新思路。
文摘编码孔径快照光谱成像系统(Coded Aperture Snapshot Spectral Imaging,CASSI)与传统高光谱成像方式相比,具有采集时间短、成本功耗低等优点,因此研究基于CASSI系统获取的压缩图像重建技术在一定程度上有利于解决高光谱图像获取困难的问题。基于此设想,文章深入研究基于光谱维度感知的多头自注意力光谱重建模型,不同于以往在空间维计算全局相关性,该方法沿光谱维计算自注意力;此外,将CASSI系统中物理掩模的潜在引导性引入自注意力计算。在此基础上,文章研究发现上述原始网络对于捕获空间维信息具有局限性,提出加入空间维信息提取、空间维与光谱维之间的信息交互模块以及频域约束,整合为基于光谱和空间信息混合先验的压缩光谱图像重建网络(Mix Spectral-Spatial Prior Information for Efficient Hyperspectral Image Reconstruction,MixT)。实验结果表明:1)空间维信息、维度交互模块和频域约束的加入能提升图像重建性能;2)MixT方法在测试数据集上的峰值信噪比(Peak Signal to Noise Ratio,PSNR)为35.50,结构相似性(Structure Similarity Index Measure,SSIM)为0.948,均高于五种现有相关算法。
