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
神经网络训练
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
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
异常状态
识别变压器
风险评估方法
图像识别模型
神经网络训练
单板缺陷检测方法
多模态数据融合
融合图像数据
置信度阈值
采集电能表
误差预测
修正方法
分类神经网络
干涉仪
仿真软件