基于非线性光谱字典学习的单幅RGB图像光谱重建方法研究

摘要：

针对单幅RGB图像重建光谱图像中的病态问题,提出一种基于非线性光谱字典学习的非线性重建方法.为了适应线性和非线性数据,该方法首先改进了基于自联想神经网络模型的非线性主成分分析算法,并利用其从训练光谱集中学习低维光谱字典,用于光谱重建的求逆方程中,以缓解病态状况.再在此光谱字典基础上,利用阻尼高斯牛顿法结合截断奇异值分解的正则化方法,进一步缓解该非线性反演的病态问题,实现单幅RGB图像重建光谱图像.在实验中,采用Munsell以及Munsell+Pantone两个光谱训练集学习光谱字典,同时利用CAVE和UEA光谱图像库进行光谱重建测试.该方法测试结果与现有方法比较发现,该方法在不同光谱训练集下重建CAVE和UEA两库光谱图像的均方根差的平均值最低,分别为0.2124,0.2554,0.2294和0.2949,均方根差的标准偏差接近最好方法的效果,分别为0.0685,0.0847,0.0668和0.0870.此结果表明该方法针对单幅RGB图像重建光谱图像在重建精度和稳定性上均存在优势.

关键词：光谱重建、RGB图像、非线性、光谱字典、学习

所属期刊栏目：42

分类号：O657.3(分析化学)

资助基金：国家自然科学基金;国家自然科学基金;南京林业大学青年科技创新基金项目

在线出版日期：2022-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2092-2100