System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
(一)本专利技术涉及的是一种基于深度神经网络的空间外差干涉光谱信息提取方法,可用于从空间外差干涉图中端到端高效提取空间外差光谱,属于空间外差光谱。
技术介绍
0、(二)
技术介绍
1、空间外差光谱技术是一种新型的空间调制型傅里叶干涉光谱技术,它继承了傅里叶干涉光谱技术的高信噪比、多路传输和高分辨率等特点,同时摒弃了传统的傅里叶干涉光谱技术的动镜和扫描部件,在确定的波谱范围内,能获得超高的光谱分辨率。同时,它具有无运动部件,体积紧凑,重量轻,灵敏度相对较高等优点,在大气遥感、天文观测,矿石探测以及天气预报等应用领域具有独特优势。空间外差光谱仪主要将带有检测目标信息的光调制成空间外差干涉图。干涉图需要经过信息处理才能获得想要的光谱信息。
2、而目前算法上,从空间外差干涉图转换为空间外差光谱,需要经过预处理-切趾-相位校正-傅里叶变换-定标等处理过程。以此为基础许多国内外学者进行了降噪、相位校正、非均匀性校正等多种研究,但这些研究都是基于误差校正方面进行开展,并没有探索一个新的从空间外差干涉图提取空间外差光谱的方法。随着探测要求的提升,如何更加快速高效地提取空间外差干涉光谱信息急需新的方法。
3、随着深度学习概念的提出,以及显卡gpu运算的快速突破,神经网络已在众多领域取得了显著成就。在光学信息处理领域,深度学习的一个重要应用就是回归预测,其主要思想是将设计参数直接关联到光谱信号,通过神经网络来建立设计参数和光谱之间的非线性映射关系。通过这种方法,2017年,schütt等人将pn与辅助网络(an)结
4、而空间外差干涉图和空间外差光谱之间实质上也是一个映射关系,那么如何有效地通过深度神经网络训练空间外差干涉图的光强信息和空间外差光谱的光谱信息之间的非线性映射,实现从空间外差干涉图中直接高效地提取空间外差光谱,简化干涉光谱信息处理过程。可为从空间外差干涉图中提取空间外差光谱信息提供新的方案,并为充分发挥空间外差光谱技术超高分辨率的优势提供保障,助力空间外差光谱技术在各个领域的遥感探测中走得更远。
技术实现思路
0、(三)
技术实现思路
1、本专利技术的目的在于提供一种基于深度神经网络的空间外差干涉光谱信息提取方法,该方法能够快速高效地从空间外差干涉图中提取空间外差光谱。
2、本专利技术的目的是这样实现的:
3、一种基于深度神经网络的空间外差干涉光谱信息提取方法,包括以下步骤:
4、s1、利用空间外差光谱技术探测已知光谱信息的目标获取空间外差干涉图及其相应的空间外差光谱;
5、s2、空间外差干涉图做为训练集的输入,相应的空间外差光谱做为训练集的输出,将它们导入深度神经网络中进行训练;
6、s3、深度神经网络借助空间外差干涉图和空间外差光谱组成的训练集经过多次参数调整和迭代优化得到训练好的网络模型;
7、s4、应用时,利用空间外差光谱技术获取探测目标的空间外差干涉图;
8、s5、将探测目标的空间外差干涉图导入训练好的网络模型;
9、s6、训练好的网络模型直接从空间外差干涉图中提取出空间外差光谱。
10、进一步地,s1的具体过程包括以下步骤:
11、对于模拟数据,根据空间外差光谱技术原理编写空间外差光谱仪仿真程序,将光谱导入仿真程序中得到相应的仿真空间外差干涉图。将仿真空间外差干涉图的光强信息做为训练集的输入,光谱的光谱信息做为训练集的输出。
12、对于实测数据,已知部分探测目标的光谱,用空间外差光谱技术原理设计制作的空间外差光谱仪实测这部分探测目标获取相应的实测空间外差干涉图,将实测空间外差干涉图的光强信息做为训练集的输入,光谱的光谱信息做为训练集的输出;
13、空间外差光谱技术原理为:首先被测对象的光通过前置准直系统的光阑和准直透镜,准直透镜把入射过来的光线准直后形成平行于光轴的光,然后经过入射波面进入到分束器上;分束器将入射光分成能量相同的两束相干光,反射光和透射光分别射向不同的闪耀光栅,这两部分光在闪耀光栅衍射后再次射向分束器,两相干光由于以不同的角度射出,因此在输出波面上产生空间干涉条纹,最后在电子成像探测器上形成空间外差干涉图。
14、进一步地,s2中深度神经网络的构建过程包括以下步骤:
15、深度神经网络主要有输入层、隐藏层和输出层。输入层的神经元数量根据空间外差光谱仪中电子成像探测器的像素值决定;输出层的神经元数量根据空间外差光谱仪的探测波段和光谱精度决定;隐藏层的深度根据提取的光谱信息复杂程度进行调整。
16、该一种基于深度神经网络的空间外差干涉光谱信息提取方法的有益效果为:
17、本专利技术可以根据不同的探测目标训练不同的网络模型,训练好后的模型能够快速且高效地从空间外差干涉图中提取出空间外差光谱,简化空间外差干涉图到空间外差光谱之间的处理过程并拓展了一种新的提取方法。
本文档来自技高网...【技术保护点】
1.一种基于深度神经网络的空间外差干涉光谱信息提取方法,包括以下步骤:
2.根据权利要求1所述的一种基于深度神经网络的空间外差干涉光谱信息提取方法,其特征在于:
3.根据权利要求1所述的一种基于深度神经网络的空间外差干涉光谱信息提取方法,其特征在于:
4.根据权利要求1所述的一种基于深度神经网络的空间外差干涉光谱信息提取方法,其特征在于:
【技术特征摘要】
1.一种基于深度神经网络的空间外差干涉光谱信息提取方法,包括以下步骤:
2.根据权利要求1所述的一种基于深度神经网络的空间外差干涉光谱信息提取方法,其特征在于:
3...
【专利技术属性】
技术研发人员:叶松,罗炜,张紫杨,王新强,李树,王方原,
申请(专利权)人:桂林电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。