Технология спектрального изображения позволяет получать спектральную информацию каждого пикселя сцены, обеспечивая важную поддержку для высокоточного распознавания и классификации объектов. Традиционные сканирующие системы спектрального изображения последовательно сканируют по пространственному или спектральному измерению, чтобы получить полный спектральный образ, что приводит к низкой скорости обнаружения и низкому отношению сигнал/шум. Технология вычислительного спектрального изображения, основанная на теории сжатого восприятия, вводит кодирующие устройства в оптическую систему, сжимая высокоразмерные спектральные данные в низкоразмерные наблюдения, после чего выполняется измерение и с помощью современных алгоритмов восстановления спектра декодируется исходное спектральное изображение. Вычислительное спектральное изображение демонстрирует значительные преимущества в компактности конструкции, скорости сбора и стоимости производства. В последние годы в теории и реализации систем достигнуты быстрые успехи, появилось множество высококачественных исследований; одновременно потребительские приложения постепенно распространяются на платформы, такие как смартфоны, беспилотники и спутники дистанционного зондирования, обслуживая такие сценарии, как цветное изображение, мониторинг окружающей среды и медицинская диагностика. Эта статья систематически излагает теоретическую основу и методологию вычислительного спектрального изображения, подробно анализирует типичные оптические стратегии кодирования, включая амплитудное кодирование, кодирование по длине волны, фазовое кодирование и кодирование с несколькими апертурами, а также обзор основных методов восстановления, охватывающих итеративные алгоритмы на основе априорных ограничений и сквозные модели на основе глубокого обучения. В заключение рассматриваются тенденции развития и ключевые проблемы, требующие решения в этой области. Технология вычислительного спектрального изображения тесно связана с развитием стратегических новых отраслей, таких как «умное производство», «искусственный интеллект», «низковоздушная экономика» и «умное сельское хозяйство», и, ожидается, будет играть важную роль во все новых сферах в будущем.

вычислительное изображение;спектральное изображение;сжатое восприятие;глубокое обучение