概括
这项研究引入了一种用于设计快照超谱成像器的新框架. 它在传感器层面实现了显著的数据压缩,与传统方法相比,数据量减少了40倍.
科学领域:
- 光学和光子学 在光学和光子学.
- 计算机视觉 计算机视觉
- 数据压缩数据压缩
背景情况:
- 传统的高光谱成像系统获得密集的空间和光谱数据,通常需要获得后压缩.
- 现有的方法在管理大量数据和长时间获取数据方面面临挑战.
研究的目的:
- 开发一个框架来设计优化,微模式的快照超光谱成像器.
- 为了使超光谱成像在传感器层面实现数据压缩.
主要方法:
- 使用TensorFlow实现框架,以共同优化过器数组布局和重建器.
- 使用自动区分来优化微模式过器阵列和重建器设计.
- 基于过器通道带,扫描和过器布局的压缩比的探索.
主要成果:
- 一个快照超谱成像器设计的演示,实现了显著的数据压缩.
- 与密集采样相比,数据量,采集时间和探测器空间减少了40倍.
- 从压缩的传感器级数据恢复完整的超光谱数据立方体.
结论:
- 联合优化框架使得高光谱成像仪的数据量大大减少.
- 快照超光谱成像仪为传统的密集采样方法提供了更有效的替代方案.
- 这种方法促进了高效的数据采集和处理在高光谱成像.
更多相关视频
08:49Author Spotlight: Unveiling the Potential of VSFG Microscopy in Studying Mesoscopically Heterogeneous Self-Assembled Structures
Published on: December 1, 2023
1.4K
07:24Hyperspectral Imaging as a Tool to Study Optical Anisotropy in Lanthanide-Based Molecular Single Crystals
Published on: April 14, 2020
17.2K
