技術特征：

1.一種基于深度雙先驗漸進融合的高光譜壓縮感知重建方法，其特征在于，包括如下步驟：

2.根據(jù)權利要求1所述的高光譜壓縮感知重建方法，其特征在于，所述s2具體包括如下步驟：

3.根據(jù)權利要求2所述的高光譜壓縮感知重建方法，其特征在于，所述s21中的目標函數(shù)為：

4.根據(jù)權利要求3所述的高光譜壓縮感知重建方法，其特征在于，所述自監(jiān)督學習模型中的外循環(huán)迭代優(yōu)化基于半二次分裂方法進行迭代優(yōu)化。

5.根據(jù)權利要求4所述的高光譜壓縮感知重建方法，其特征在于，所述s4具體包括如下步驟：

6.根據(jù)權利要求5所述的高光譜壓縮感知重建方法，其特征在于，所述s41中的項子問題采用公式表示，具體如下：

7.根據(jù)權利要求6所述的高光譜壓縮感知重建方法，其特征在于，所述s41中的項子問題采用公式表示，具體如下：

8.根據(jù)權利要求7所述的高光譜壓縮感知重建方法，其特征在于，所述第一損失函數(shù)具體為：

9.根據(jù)權利要求7所述的高光譜壓縮感知重建方法，其特征在于，所述第二損失函數(shù)具體為：

10.根據(jù)權利要求7所述的高光譜壓縮感知重建方法，其特征在于，所述s44具體包括如下步驟：

技術總結
本發(fā)明涉及計算機技術領域，具體為一種基于深度雙先驗漸進融合的高光譜壓縮感知重建方法，包括如下步驟：1、拍攝獲取原始的壓縮測量圖像，然后對原始的壓縮測量圖像進行歸一化處理，得到歸一化處理后的壓縮測量圖像；2、基于壓縮感知重構問題構建目標函數(shù)，并對目標函數(shù)進行優(yōu)化，得到優(yōu)化后最終的目標函數(shù)；3、根據(jù)歸一化處理后的壓縮測量圖像建立用于高光譜壓縮感知重建的自監(jiān)督學習模型；自監(jiān)督學習模型包括外循環(huán)迭代優(yōu)化和兩個內(nèi)循環(huán)網(wǎng)絡訓練；4、利用自監(jiān)督學習模型對優(yōu)化后最終的目標函數(shù)進行求解，通過融合兩個內(nèi)循環(huán)網(wǎng)絡訓練過程得到的深度先驗項，得到最終的重構圖像。本發(fā)明解決了現(xiàn)有自監(jiān)督光譜重建方法成像質(zhì)量低的問題。

技術研發(fā)人員：張輝,劉立柱,王耀南,毛建旭,梅杰,陳煜嶸,楊敏
受保護的技術使用者：湖南大學
技術研發(fā)日：
技術公布日：2024/12/30