典型文献
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
文献摘要：
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.
文献关键词：
光谱重建;RGB图像;非线性;光谱字典;学习
中图分类号：
作者姓名：
左楚;谢德红;万晓霞
作者机构：
南京林业大学轻工与食品学院,江苏 南京 210037;南京林业大学信息科学技术学院,江苏 南京 210037;武汉大学,湖北省文物颜色信息数字化与虚拟再现工程研究中心,湖北 武汉 430079
文献出处：
引用格式：
[1]左楚;谢德红;万晓霞-.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)[J].光谱学与光谱分析,2022(07):2092-2100
A类：
光谱字典,Munsell,Munsell+Pantone,CAVE
B类：
字典学习,单幅,RGB,光谱重建,重建方法,图像重建,光谱图像,病态问题,非线性重建,联想,非线性主成分分析,谱集,集中学习,低维,高斯牛顿法,截断奇异值分解,正则化方法,非线性反演,训练集,UEA,方法比较,均方根差,标准偏差,好方法,重建精度
AB值：
0.236564
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
