分光イメージング技術は、シーンの各ピクセルのスペクトル情報を取得でき、高精度なターゲット認識および分類に重要な支援を提供します。従来の走査式分光イメージングシステムは、空間またはスペクトル次元で順次スキャンして完全なスペクトル画像を得る必要があり、そのため検出速度が遅く、信号対雑音比が低いなどの制約があります。圧縮センシング理論に基づく計算分光イメージング技術は、光学系にエンコーダ素子を導入し、高次元のスペクトルデータを低次元の観測値に圧縮マッピングして測定し、高度なスペクトル再構成アルゴリズムと組み合わせて元のスペクトル画像を復号します。計算分光イメージング技術は、構造のコンパクトさ、取得速度、および製造コストなどの面で顕著な利点を示します。近年、理論的手法とシステム実現の両面で急速な進展があり、多くの高水準な研究成果が現れています。同時に、その消費者向け応用はスマートフォン、ドローン、リモートセンシング衛星などのプラットフォームへ逐次拡大し、カラーイメージング、環境モニタリング、医療診断など多様なシーンに貢献しています。本稿は計算分光イメージングの理論的枠組みと方法体系を系統的に述べ、代表的な光学符号化戦略である振幅符号化、波長符号化、波面符号化、多開口符号化を重点的に解析し、さらに先行制約に基づく反復アルゴリズムと深層学習に基づくエンドツーエンドモデルを含む主流の再構成手法を概説します。最後に、本分野の発展動向と解決すべき重要課題について議論します。計算分光イメージング技術は「スマート製造」「人工知能」「低高度経済」「スマート農業」などの戦略的新興産業の発展と高度に適合しており、将来さらに多くの分野で重要な役割を果たすことが期待されます。

計算イメージング;分光イメージング;圧縮センシング;深層学習