분광 영상 기술은 장면의 각 픽셀에 대한 분광 정보를 획득할 수 있어 고정밀 목표 인식 및 분류에 중요한 지원을 제공합니다. 전통적인 스캔식 분광 영상 시스템은 공간 또는 분광 차원에서 순차적으로 스캔하여 완전한 분광 이미지를 획득해야 하므로 탐지 속도가 느리고 신호 대 잡음비가 낮은 등의 한계가 있습니다. 압축 감지 이론에 기반한 계산 분광 영상 기술은 광학 시스템에 인코딩 장치를 도입하여 고차원 분광 데이터를 저차원 관측값으로 압축 매핑 후 측정하며, 고급 분광 복원 알고리즘과 결합하여 원래의 분광 이미지를 디코딩합니다. 계산 분광 영상 기술은 구조의 컴팩트함, 수집 속도 및 제조 비용 측면에서 현저한 장점을 보여줍니다. 최근 몇 년간 이론적 방법과 시스템 구현 측면에서 빠른 발전을 이루었으며, 다수의 고수준 연구 성과가 나타났습니다. 동시에 소비자용 응용 분야도 스마트폰, 드론, 원격 탐사 위성 등 플랫폼으로 점차 확장되어 컬러 영상, 환경 모니터링, 의료 진단 등 다양한 장면에 서비스되고 있습니다. 본 논문은 계산 분광 영상의 이론적 프레임워크와 방법 체계를 체계적으로 서술하며, 대표적인 광학 인코딩 전략인 진폭 인코딩, 파장 인코딩, 파면 인코딩, 다중 개구 인코딩을 중점적으로 분석하고, 사전 제약 기반 반복 알고리즘 및 딥러닝 기반 엔드투엔드 모델을 포함하는 주류 복원 방법을 개관합니다. 마지막으로 본 논문은 해당 분야의 발전 동향과 해결이 시급한 주요 과제를 논의합니다. 계산 분광 영상 기술은 "스마트 제조", "인공지능", "저고도 경제", "스마트 농업" 등 전략적 신흥 산업의 발전과 밀접하게 부합하며, 앞으로 더 많은 분야에서 중요한 역할을 할 것으로 기대됩니다.

계산 영상;분광 영상;압축 감지;딥러닝