从低维数据中恢复高维信息，人们常采用维纳估计（有会的可以私信）

RGB通道的响应可以表示为：

λ是波长，Vc是摄像头子通道的响应（c = R，G，B），l（λ）是照明的光谱功率分布，fc（λ）是滤光片在子通道c中的光谱透射率，s （λ）是摄像机传感器的光谱灵敏度。 mc（λ）是l（λ），fc（λ）和s（λ）的乘积，它是每个子通道的光谱响应度。 γ（λ）是样品的光谱反射。等式的矩阵形式可以表示为： V = Mγ
其中V是智能手机相机响应的矢量，M是智能手机相机中光谱响应度的矩阵，γ是样本反射的矢量

快照高光谱相机捕获样本时，每个子通道的响应表示为：

其中V'c'是第c个子通道的响应（c = 1,2,3，···，16），fc'（λ）是滤波器在第c个子通道中的光谱透射率，s'（λ）是光谱灵敏度。 m'c'（λ）是l（λ），fc（λ）和s（λ）的乘积，它是高光谱相机中每个子通道的光谱响应度。

等式的矩阵形式则表示为： V'= M'γ

其中V'是高光谱相机响应的向量，M'是高光谱相机的光谱响应矩阵。为了从RGB图像重建高光谱图像，我们假设重建矩阵为W。该过程表示为： V''= WV

其中V''是重建的高光谱图像。为了确保重建的准确性，应使重建的高光谱图像与原始高光谱图像之间的最小平方误差最小。最小平方误差的计算公式为

当e相对于W的偏导数为零时，最小平方误差最小化为

重建矩阵的推导为：

其中（）是集合平均运算符。 (V'Vt)是高光谱响应和智能手机相机响应之间的相关矩阵。 (VVt)是智能手机相机响应的自相关矩阵。计算出重建矩阵。使用此重建矩阵，图像重建为高光谱图像。

（有会的可以私信）

chenganmin1

一个项目使用两个oracle实例

4条回答

为你推荐