계산 스펙트럼 이미징 기술은 압축 감지 이론에 기반하여 광학 시스템에 인코딩 장치를 도입하여 고차원 스펙트럼 데이터를 저차원 관측값으로 압축 매핑한 후 측정하며, 고급 스펙트럼 재구성 알고리즘과 결합하여 원본 스펙트럼 이미지를 디코딩한다. 이 기술은 구조의 컴팩트함, 수집 속도 및 제조 비용 면에서 현저한 장점을 보여주며, 소비자용 응용 분야가 점차 스마트폰, 무인기 및 원격 감지 위성과 같은 플랫폼으로 확대되어 색상 이미징, 환경 모니터링, 의료 진단 등 다양한 장면에 서비스를 제공한다. 본 논문은 계산 스펙트럼 이미징의 이론적 프레임워크와 방법론을 체계적으로 설명하고, 진폭 인코딩, 파장 인코딩, 파면 인코딩 및 다공경 인코딩 등 전형적인 광학 인코딩 전략을 중점적으로 분석하며, 선행 제약 기반의 반복 알고리즘과 딥러닝 기반의 엔드 투 엔드 모델을 포함하는 주요 재구성 방법을 개관한다. 마지막으로 본 논문은 해당 분야의 발전 동향과 시급히 해결해야 할 핵심 과제에 대해 논의한다. 계산 스펙트럼 이미징 기술은 스마트 제조, 인공지능, 저고도 경제 및 스마트 농업과 같은 전략적 신흥 산업 발전과 높은 연계성을 가지며, 미래에는 더 많은 분야에서 중요한 역할을 할 것으로 기대된다.

계산 이미징; 스펙트럼 이미징; 압축 감지; 딥러닝