基于FPGA+DSP的高速多光谱复现系统研究

为了在高速复现多光谱信息的同时,仍能保证对每个光谱复现的精度,提高系统的稳定性,研究了一种基于FPGA+DSP的复现系统。系统利用FPGA对高速AD进行控制,然后将携带不同特征波长信息的干涉条纹传输给DSP进行光谱复现。在DSP中,对不同中心波长的干涉信号采用非均匀插值处理,再通过NUFFT实现分段频域变换处理,进而达到等精度复现每个光谱的效果。实验将Virtex系列FPGA与6745型DSP联用构成处理模块,对660 nm、780 nm和808 nm三个激光同时入射静态干涉模块的干涉条纹进行处理,再完成混合光的光谱复现。结果显示,采用NUFFT分段处理的方式相比单一采样插值法复现的光谱分布效果更好,其三个特征波长信噪比都较高,并且速度比原有方法快近一倍。由此可见,该系统在多光谱数据复现应用中更具优势。

基于全连接神经网络的自然光谱复现方法研究

为了能够精准和快速地复现可见光波段自然光谱,实现全光谱照明,使用具有强大非线性拟合能力的神经网络完成光谱匹配。首先,利用全连接神经网络的自学习能力,在采用基于修正高斯分布拟合函数的多个单色LED合成光谱模型生成训练和测试数据集的基础上,构建充分体现合成光谱和各单色LED光强系数比例关系的神经网络模型,即该模型能够针对输入光谱得到对应的单色LED光强比例系数,进而实现光谱复现。其次,针对标准太阳光谱和实测得到的不同时刻、天气的自然光谱进行光谱复现,并与采用基于遗传算法的光谱复现方法得到的结果进行对比。结果表明,基于全连接神经网络的自然光谱复现方法能够以小于5%的误差实现标准太阳光谱和实测太阳光谱的匹配,证明可使用同一个训练模型在不改变单色LED数量和种类的条件下得到多种与目标光谱高度吻合的不同类型光谱。对比其他光谱匹配算法,所提方法的拟合速度提高了数倍,还具有稳定性高、调控灵活、操作简便等优势。

基于APSO-LSSVM模型的光谱反射率重建算法研究

目的研究光谱反射率重建算法,提高光谱反射率重建精度。方法首先通过多光谱相机和分光光度计分别获取Munsell色卡和SG140色卡的通道信息和光谱反射率值,经归一化后将Munsell色卡的通道信息和光谱反射率值作为训练样本的输入和输出。然后,采用APSO算法对LSSVM的最优正则化参数γ和核参数σ进行寻优,构建基于APSO-LSSVM的光谱反射率重构模型。在对模型参数进行寻优过程中,为保持粒子的活性,在粒子群算法中引入自适应惯性权重,并根据遗传算法中的变异思想,加入了变异操作,在普通粒子中引入变异因子。在每次迭代更新中,粒子以一定概率初始化,使粒子群算法可以跳出局部最优解,在较大的空间内进行优化。结果基于APSO-LSSVM模型对SG140色卡进行光谱反射率重建实验,文中方法的平均色差为0.4677ΔE*_(ab),平均均方根误差为0.0006。相较于最小二乘支持向量模型和反向传播神经网络模型的重构精度均有很大的提高。从显色效果来看,文中方法的显色结果更接近真实颜色,人眼基本上难以察觉到两者间的差异。结论基于APSO-LSSVM的光谱反射率重建算法可以有效地提高光谱反射率重建精度,实现了利用多光谱相机拍摄的多通道信息重构获得精确的多光谱图像。