论文部分内容阅读
针对编码孔径光谱成像系统中利用传统算法重构高光谱图像时存在计算复杂度高、图像质量不好等问题,本文提出了一种基于深度卷积神经网络的高光谱图像重构方法。具体包括两个步骤:首先,对压缩测量值进行预处理得到目标图像的初始值,为此构建新的编码孔径模板;然后,在初始值与真实图像之间建立深度卷积神经网络,通过深度学习得到映射关系,再利用训练的模型重建光谱数据立方体。通过仿真实验,将本文方法与梯度投影稀疏重构(GPSR)、正交匹配追踪(OMP)以及两步迭代收缩阈值(TwIST)算法进行了对比,结果表明,利用本文方法