一种适用于编码孔径光谱偏振成像系统的分块重建方法

本发明提出一种适用于编码孔径光谱偏振成像系统的分块重建方法，具体涉及一种基于编码孔径的双色散型光谱偏振成像系统，一种适用于该系统的周期性分块编码，一种针对图像块进行重建的深度学习网络，和对图像块进行重叠及拼接的方法。

背景技术：

1、随着遥感科学与技术的不断突破和进步，光谱偏振成像探测成为成像探测领域新的研究热点。传统的成像过程所获取的仅仅是电磁波的强度分量，是更完备的光谱信息和偏振信息的子集。光谱偏振成像技术结合成像技术、偏振技术和光谱技术，同时获取具有目标物体二维空间信息、一维光谱信息和一维偏振信息的四维数据立方体，具有重要的应用价值。

2、偏编码孔径快照式光谱成像(coded aperture snapshot spectral imaging,cassi)技术是一种基于快照式压缩成像原理的计算光学成像技术，它引入二维编码模板，在孔径处对信息进行空间调制，同时引入光谱调制器件将空间调制转化为光谱调制，然后使用一定的重建算法还原初始信息。cassi测量硬件系统可以与压缩感知、深度学习等重建算法结合，从而突破奈奎斯特-香农采样定理的限制，极大地减少测量信号所需的次数，甚至可以从单次快照式测量中恢复绝大部分目标信息。作为当前计算光学成像技术的重要分支，cassi在光谱成像系统中展现出了巨大潜力。把偏振探测器件引入cassi系统，将cassi技术与偏振探测相结合，实现具有偏振成像探测能力的cassi系统，具有重要的研究价值。

3、重建算法的优劣直接影响到这类系统的探测能力。随着深度学习在图像处理领域越来越表现出不俗的性能，近年来，人们开始研究基于深度学习的cassi系统数据重建，其一个重要特点是训练完毕的深度网络可以很容易且快速地被调用，速度可达秒级甚至亚秒级，且重建效果优良，具有重要应用价值。然而，该方法也面临一些挑战。首先，受限于网络深度和规模，在实际应用中难以对大尺寸图像进行直接重建，需要进行分块重建。其次，重建图像块存在边缘模糊、直接拼接时相邻图像块边缘处不连续性较为明显等问题，导致图像重建质量下降，影响探测系统的探测能力和实际应用能力。此外，偏振信息的引入使得待重建的信息维度增加，需要建立与之适配的重建网络与重建流程。

技术实现思路

1、本发明解决的问题是：针对一种双色散型光谱偏振成像系统，建立合适的周期性分块编码和重建网络，对系统测量结果进行分块重建，并对重建结果进行重叠拼接，从而获取较大尺寸的重建图像，并从中提取光谱信息和偏振信息，以提升系统探测能力。

2、为了达到以上发明目的，本发明采用以下步骤予以实现。

3、步骤1，基于系统定标参数，建立编码模板与编码孔径之间的映射关系；

4、步骤2，建立周期性分块编码孔径，计算其对应的编码模板；

5、步骤3，针对使用的分块编码孔径，建立四个深度学习重建网络，对网络进行训练；

6、步骤4，从压缩测量图像中提取偏振子图像，并进行插值以恢复原始分辨率，然后对偏振子图像进行分割；

7、步骤5，使用所建立的四个深度学习网络对图像块进行重建；

8、步骤6，对重建完成的图像块进行重叠、平均和拼接，完成大尺寸图像的拼接；

9、步骤7，提取重建的光谱曲线和偏振信息，完成包含目标空间、光谱、偏振信息的多维数据的重建。

10、本发明提供的双色散型光谱线偏振成像系统定标分析方法与其他现有的方法相比，其优势在于：

11、1.采用周期性分块编码方式进行分块重建，减小了深度学习重建网络的深度和参数量，使得网络便于训练和部署，提高了实际应用价值。

12、2.将偏振子图像的分割、插值方法与空间、光谱重建网络相结合，使得网络可以重建包含二维空间、一维光谱、一维偏振的四维信息，提升了网络重建信息的维度，提升了探测器的探测性能。

13、3.通过多次重建求取平均，改善了深度学习网络重建的图像块边缘清晰度差，较为模糊的问题，使得重建结果的不同位置处的清晰度较为均衡，提升了重建质量，并且减少了拼接过程边缘处的不连续性，改善了图像块拼接质量。

技术特征：

1.一种适用于双色散型光谱线偏振成像系统的定标分析方法，其特征在于，包括下列部分：

2.根据权利要求1所述的一种光谱偏振测量图像的偏振子图像提取、分割、重建和拼接方法，其特征在于：步骤2中，设计4种编码孔径块，整个编码孔径是由这4种编码孔径块进行周期性延拓生成，每个编码孔径块的高与宽分别为m/2和n/2，每2×2个编码孔径块进行组合成m×n大小的编码孔径块，共有4种组合方式；步骤5中，将图像分割成高与宽分别为m/2和n/2的图像块，每个图像块以图3所示的方式，与其8个相邻图像块中的其他3个图像块组合成高与宽分别为m和n的参与重建的图像块，共有4种组合方式，使用四个深度学习重建网络进行重建，每个网络针对一种编码孔径块的组合方式，单次重建m×n大小的图像块，每一个高与宽分别为m/2和n/2的图像块都参与了4次重建，对这四次重建结果取平均。

技术总结本发明提出一种适用于编码孔径光谱偏振成像系统的分块重建方法。主要包括以下步骤：建立编码模板与编码孔径之间的映射关系；建立周期性分块编码孔径，计算其对应的编码模板；针对使用的分块编码孔径，建立四个重建网络，对网络进行训练；从压缩测量图像中提取偏振子图像，对偏振子图像进行分割；使用所建立的四个深度学习网络对图像块进行重建；对重建完成的图像块进行重叠、平均和拼接，完成大尺寸图像的拼接；提取重建的光谱曲线和偏振信息。本发明利用深度学习网络进行重建，采用分块重建的方法减小计算成本，采用多个深度学习网络重建减小重建图像边缘的模糊和图像块拼接处明显的非连续性，提高了系统在重建过程中的数据恢复能力和速度。技术研发人员：张颖,李河申,徐希海,张晞,刘惠兰,陈建伟受保护的技术使用者：北京航空航天大学技术研发日：技术公布日：2024/9/12