La tecnología de imagen espectral computacional se basa en la teoría de percepción comprimida, introduciendo dispositivos codificadores en el sistema óptico para comprimir y mapear datos espectrales de alta dimensión a valores observados de baja dimensión para la medición, y combinando algoritmos avanzados de reconstrucción espectral para decodificar la imagen espectral original. Muestra ventajas significativas en términos de compacidad estructural, velocidad de adquisición y costo de fabricación. Sus aplicaciones de consumo se han ampliado gradualmente a plataformas como teléfonos inteligentes, drones y satélites de teledetección, sirviendo para múltiples escenarios como imágenes en color, monitoreo ambiental y diagnóstico médico. Este artículo expone sistemáticamente el marco teórico y la metodología de la imagen espectral computacional, enfocándose en analizar sus estrategias típicas de codificación óptica, incluyendo codificación de amplitud, codificación de longitud de onda, codificación de frente de onda y codificación de múltiples aperturas, además de revisar los principales métodos de reconstrucción que incluyen algoritmos iterativos basados en restricciones a priori y modelos de extremo a extremo basados en aprendizaje profundo. Finalmente, también se discuten las tendencias de desarrollo y los desafíos clave pendientes de solución en este campo. La tecnología de imagen espectral computacional está altamente alineada con el desarrollo de industrias emergentes estratégicas como la manufactura inteligente, la inteligencia artificial, la economía de baja altitud y la agricultura inteligente, y se espera que desempeñe un papel importante en más áreas en el futuro.

imagen computacional; imagen espectral; percepción comprimida; aprendizaje profundo