摘要
本发明公开了一种基于神经网络的自编码解码光谱重建方法,所述方法包括如下步骤:步骤一、预训练约束编码神经网络,用以学习超构透镜参数与光谱响应的关系,为编码神经网络提供被结构参数约束的权重;步骤二、随机光谱编码神经网络,用以对输入的光谱进行随机编码,为解码重建神经网络提供输入;步骤三、光谱重建神经网络,用以对输入的被编码光谱进行解码,高精度重建光谱。本发明可以通过预训练找到最佳编码滤波器参数,仅用少数滤波器就能高精度地重建光谱,使得该自编码解码算法在光谱重建过程中具有更高的精度,并符合超构透镜生产工艺,减少使用成本。
技术关键词
光谱重建方法
超构透镜
透镜单元结构
编码解码算法
压缩感知算法
神经网络参数
训练神经网络
神经网络训练
滤波器
波长
通道
关系
矩阵
精度
强度
系统为您推荐了相关专利信息
光谱重建方法
级联
注意力机制
相关性滤波器
归一化模块
阻抗匹配网络
可调元件
测试探针
电压驻波比
电路板缺陷
脉冲重复间隔
回波
矩阵
多普勒
计算机可读取存储介质
图像复原方法
压缩感知技术
配准技术
成分分析方法
估计算法