La technologie d'imagerie spectrale permet d'obtenir des informations spectrales pour chaque pixel d'une scène, offrant un support important pour la reconnaissance et la classification d'objets à haute précision. Les systèmes traditionnels d'imagerie spectrale par balayage doivent scanner séquentiellement les dimensions spatiale ou spectrale pour obtenir une image spectrale complète, ce qui entraîne une vitesse de détection lente et un faible rapport signal/bruit. La technologie d'imagerie spectrale computationnelle basée sur la théorie de la compression par échantillonnage (compressed sensing) introduit des dispositifs de codage dans le système optique, compressant les données spectrales de haute dimension en valeurs d'observation de faible dimension pour la mesure, puis décodant l'image spectrale originale à l'aide d'algorithmes avancés de reconstruction spectrale. Cette technologie présente des avantages significatifs en termes de compacité, de vitesse d'acquisition et de coût de fabrication. Ces dernières années, des progrès rapides ont été réalisés tant sur le plan théorique que dans la mise en œuvre système, avec une abondance de résultats de recherche de haut niveau; parallèlement, ses applications grand public se sont progressivement étendues aux plateformes telles que les smartphones, les drones et les satellites de télédétection, pour des scénarios variés comme l'imagerie en couleur, la surveillance environnementale et le diagnostic médical. Cet article expose systématiquement le cadre théorique et méthodologique de l'imagerie spectrale computationnelle, en analysant en détail ses stratégies typiques de codage optique, y compris le codage d'amplitude, le codage en longueur d'onde, le codage de front d'onde et le codage à multi-ouvertures, tout en passant en revue les principales méthodes de reconstruction, englobant les algorithmes itératifs basés sur les contraintes a priori et les modèles de bout en bout basés sur l'apprentissage profond. Enfin, cet article discute des tendances de développement et des défis clés à relever dans ce domaine. La technologie d'imagerie spectrale computationnelle s'aligne étroitement avec le développement d'industries stratégiques émergentes telles que « fabrication intelligente », « intelligence artificielle », « économie de basse altitude » et « agriculture intelligente », et devrait jouer un rôle important dans davantage de domaines à l'avenir.

imagerie computationnelle;imagerie spectrale;compression par échantillonnage;apprentissage profond