事件增强的快照 马赛克高光谱框架 模糊不清

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 频谱学是一种光谱学.

背景情况:

• 快照 马赛克高光谱摄像头 (SMHCs) 捕获丰富的光谱和空间信息,但受到运动模糊的影响.
• 在SMHC中的窄带波器可以降低运动感知,导致模糊的.
• 现有的消除模糊的方法往往难以应对高光谱数据的独特挑战.

研究的目的:

• 开发一种新的硬件-软件方法来消除SMHC的模糊性.
• 为了提高运动感知和高光谱成像中的光谱真实性.
• 为了解决当前超光谱消除模糊技术的局限性.

主要方法:

• 将SMHC与神经形态事件摄像头集成,以进行事件增强的模糊清除.
• 制定一个光谱意识的基于事件的双整合 (sEDI) 模型.
• 使用扩散模型开发扩散引导的噪音意识 (DNA) 培训框架.
• 设计一个事件增强的高光谱模糊网络 (EvHDNet).

主要成果:

• 拟议的DNA + EvHDNet显著提高了SMHC中的空间和光谱保真度.
• 在合成和真实数据上的实验结果表明,与最先进的方法相比,性能优越.
• 该sEDI模型提供了关于将SMHC和事件信号用于光谱恢复的原则性见解.

结论:

• 硬件-软件协作方法通过利用事件摄像头数据,有效地消除SMHC.
• 开发的EvHDNet,经过DNA训练,提供了强大的和可靠的超光谱模糊.
• 这项工作通过提高运动清晰度和光谱精度来推进高光谱成像.