基于去噪扩散概率模型的有限样本光谱数据增强及生理生化组分反演方法

本发明公开了一种基于去噪扩散概率模型的有限样本光谱数据增强及生理生化组分反演方法，采集若干植株样本的叶片光谱数据，并测定叶片氮含量，构建叶片的光谱‑氮含量数据集；将叶片的光谱‑氮含量数据输入去噪扩散概率模型进行数据增强，前向扩散过程通过逐步添加高斯噪声，使原始数据分布退化为可解析的分布，其反向去噪过程利用可学习的马尔可夫链，将噪声分布逆变换为目标数据分布，实现从已知分布的随机样本中重建合成数据；将原始数据与合成数据进行组合，构建扩展训练集；利用扩展训练集训练用于反演植物生理生化组分的回归模型。本发明可以生成与真实样本分布高度相似的合成样本，为回归模型提供更丰富的数据支持，从而增强预测性能。