一种基于深度学习的特定空间外差光谱滤波方法

本发明提供的是一种基于深度学习的特定空间外差光谱滤波方法。包括以下步骤：首先，使用空间外差光谱仪收集存在杂波的空间外差干涉图，以及相应的无杂波的空间外差干涉图；接着，采用傅里叶变换将存在杂波的空间外差干涉图和无杂波的空间外差干涉图转换为存在杂波的空间外差光谱和无杂波的空间外差光谱；然后，将存在杂波的空间外差光谱和无杂波的空间外差光谱作为输入和输出组建训练集，并将训练集导入深度神经网络进行训练，获得训练好后的滤波网络模型；最后，将空间外差光谱仪在实际探测过程中收集的实测存在杂波的空间外差干涉图，经过傅里叶变换为实测存在杂波的空间外差光谱后，将其导入训练好的滤波网络模型就可以获得滤波后的空间外差光谱。本发明能快速有效地对特定空间外差光谱进行滤波处理，去除特定杂波的光谱信息，并极大地保留所测目标对象特征波段的光谱信息。