基于切片扫描架构的CTIS光谱图像重建技术

科学领域:

• 光学和光子学 在光学和光子学.
• 计算成像技术的成像
• 频谱学是一种光谱学.

背景情况:

• 计算机断层扫描成像光谱仪 (CTIS) 在动态检测方面表现出色,但由于缺失圆问题而面临光谱重建挑战.
• 传统的CTIS算法和在模拟数据上训练的深度学习模型与现实世界的光谱数据准确性作斗争.
• 模拟和真实数据之间的差异限制了当前CTIS重建模型的适用性.

研究的目的:

• 提出一种新的CTIS系统,使用切片扫描架构来提高光谱重建的准确性.
• 通过从真实场景中获取准确的光谱立方体来生成用于训练CTIS重建网络的真实数据集.
• 开发和验证一个先进的深度学习模型,以改进CTIS光谱重建.

主要方法:

• 开发了一种可调节光圈的切片扫描CTIS系统,以限制视野和减少衍射重叠.
• 利用预期最大化 (EM) 算法进行光谱重建,并通过裂扫描架构进行增强.
• 构建了一个结合多尺度和注意力机制的残余神经网络,在模拟和真实光谱成像数据上进行训练.

主要成果:

• 切割扫描CTIS架构成功地获得了与现实世界衍射图像相匹配的真实光谱数据立方体.
• 与EM算法和标准卷积神经网络相比,提出的深度学习模型显示出更高的光谱重建精度.
• 该研究证实了使用真实光谱数据对有效CTIS重建的关键重要性.

结论:

• 切片扫描CTIS架构为在现实场景中准确的光谱数据立方体采集提供了可行的解决方案.
• 使用真实光谱数据训练深度学习模型显著提高CTIS光谱重建性能.
• 开发的多尺度,基于注意力的残余网络代表了CTIS光谱重建精度的重大进步.