一种用于RGB重构高光谱图像的像素配准方法及CNN模型优化方法

本申请是关于一种用于RGB重构高光谱图像的像素配准方法及CNN模型优化方法。通过对光谱图像采集、相应RGB图像采集、手动裁剪配准的光谱图像数据集的建立、光谱重构模型的参数优化、RGB图像和光谱的空间像素配准、重构模型的训练日志和测试数据集参数可视化等步骤，该方法优化了网络训练的精准度，提高了重构后光谱图像的质量。首先通过SIFT算法提取RGB图像以及光谱图像的特征，再利用FLANN算法对每个通道的图像进行空间配准，使二者像素对齐，最终经过添加了注意力机制的CNN网络进行端到端地训练，测试以及预测，从而得到RGB图像重构后的光谱图像。此方法提出的空间配准技术有效地提升了数据集的训练效果，再通过添加注意力机制，提高了RGB重构出的光谱图像的质量，以便于进一步利用光谱图像进行光谱分析。