La technologie d'imagerie spectrale computationnelle est basée sur la théorie de la perception compressée, introduisant des dispositifs de codage dans le système optique pour compresser et mapper les données spectrales haute dimension vers des valeurs d'observation de faible dimension pour la mesure, combinée à des algorithmes avancés de reconstruction spectrale pour décoder l'image spectrale originale. Elle présente des avantages significatifs en termes de compacité structurelle, de vitesse d'acquisition et de coûts de fabrication. Ses applications grand public se sont progressivement étendues aux plateformes telles que les smartphones, les drones et les satellites de télédétection, au service de divers scénarios comme l'imagerie en couleur, la surveillance environnementale et le diagnostic médical. Cet article expose de manière systématique le cadre théorique et la méthodologie de l'imagerie spectrale computationnelle, analysant en détail ses stratégies typiques de codage optique, y compris le codage d'amplitude, de longueur d'onde, du front d'onde et d'ouverture multiple, et passe en revue les méthodes de reconstruction principales, couvrant des algorithmes itératifs basés sur des contraintes a priori et des modèles bout-à-bout basés sur l'apprentissage profond. Enfin, l'article discute des tendances de développement et des défis clés à résoudre dans ce domaine. La technologie d'imagerie spectrale computationnelle est fortement alignée avec le développement d'industries stratégiques émergentes telles que la fabrication intelligente, l'intelligence artificielle, l'économie des basses altitudes et l'agriculture intelligente, et devrait jouer un rôle important dans davantage de domaines à l'avenir.

imagerie computationnelle; imagerie spectrale; perception compressée; apprentissage profond