摘要
本发明公开了一种基于光谱差分深度矩阵分解的高光谱快速成像方法和系统,针对极限成像条件下的低信噪比数据,通过平均光谱图和光谱差分图结构建模实现高质量图像恢复。首先快速采集并拼接高光谱数据形成三维张量,构建弱光照条件下的前向观测模型;分解为平均光谱图、光谱差分图及噪声项;将光谱差分图重排为二维低秩矩阵,采用PCA分解获得空间与光谱主成分矩阵;创新性地构建无监督双路径优化网络:利用2D跳跃网络优化空间主成分以建模结构信息,通过1D跳跃网络优化光谱主成分以拟合细节变化;最终联合训练后的网络输出优化光谱差分图,与平均光谱图融合完成重建。在单帧、无监督的条件下实现高保真图像重建,显著提升重建质量与鲁棒性。
技术关键词
无监督神经网络
矩阵
编码器
快速成像方法
网络优化
高光谱成像系统
空间结构信息
尺寸
序列
解码器架构
上采样
图像拼接
信噪比数据
训练神经网络
图像采集模块