1.一种RGB图像重建为高光谱图像的方法,其特征在于,包括:获取待重建的RGB图像;
将所述待重建的RGB图像输入预先训练好的光谱重建模型中,输出所述待重建的RGB图像对应的高光谱图像;
所述光谱重建模型的训练方法包括:获取样本高光谱图像,将所述样本高光谱图像转换为同一场景的样本RGB图像;
利用所述样本RGB图像训练光谱重建网络,得到样本RGB图像重建后的高光谱图像;所述光谱重建网络包括4个层级,每个层级包括PixelShuffle、PixelUnShuffle、3×3卷积层、LReLU激活层、SE‑PA模块和Res2Net‑SE模块;
将所述样本RGB图像重建后的高光谱图像与所述样本高光谱图像进行对比,使用损失函数计算所述样本RGB图像重建后的高光谱图像与所述样本高光谱图像之间的距离,当所述距离满足预设要求时,完成训练得到所述光谱重建模型。
2.根据权利要求1所述的一种RGB图像重建为高光谱图像的方法,其特征在于,所述将所述样本高光谱图像转换为同一场景的样本RGB图像的方法为:采用相机光谱响应函数将所述样本高光谱图像转换为同一场景的样本RGB图像,具体公式如下:
x=yF
M×N×b M×N×B B×b公式中:x∈R 为样本RGB图像;y∈R 为样本高光谱图像;F∈R 为相机光谱响应函数;其中,M为样本RGB图像和样本高光谱图像的宽,N为样本RGB图像和样本高光谱图像的高,B为样本高光谱图像的通道数量,b为样本RGB图像的通道数量,B>>b,R为实数空间。
3.根据权利要求1所述的一种RGB图像重建为高光谱图像的方法,其特征在于,所述光谱重建网络中:
PixelShuffle用于提高重建过程中特征图的分辨率和降低重建过程中特征图的特征通道数量;
PixelUnShuffle用于降低重建过程中特征图的分辨率和提高重建过程中特征图的特征通道数量;
3×3卷积层用于提取所述样本RGB图像的空间特征;
所述SE‑PA模块由SE模块和PA模块组成,SE模块用于提取通道特征,PA模块用于提取像素级特征;
所述Res2Net‑SE模块由Res2Net模块和SE模块组成,Res2Net模块用于提取多尺度特征。
4.根据权利要求1所述的一种RGB图像重建为高光谱图像的方法,其特征在于,所述损失函数具体如下:
L1=E[||G(x)‑y||1]公式中,x和y分别为输入的样本RGB图像和样本高光谱图像;G(·)为光谱重建网络。
5.根据权利要求1所述的一种RGB图像重建为高光谱图像的方法,其特征在于,采用高光谱相机获取所述样本高光谱图像。
6.一种RGB图像重建为高光谱图像的装置,其特征在于,包括:获取模块,用于获取待重建的RGB图像;
重建模块,用于将所述待重建的RGB图像输入预先训练好的光谱重建模型中,输出所述待重建的RGB图像对应的高光谱图像。
7.一种设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述一种RGB图像重建为高光谱图像的方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项的一种RGB图像重建为高光谱图像的方法的步骤。