前图像引导快照近红外高分辨率光谱成像近红外

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
• 频谱学是一种光谱学.

背景情况:

• 近红外 (NIR) 超光谱成像提供了巨大的应用潜力,但在动态场景中面临着挑战.
• 压缩光谱成像 (CSI) 对3D空间光谱数据具有前景,但受到NIR光谱中昂贵的InGaAs焦平面阵列 (FPA) 的限制,降低了高频信息.

研究的目的:

• 开发一种用于高分辨率NIR光谱成像的新系统,克服当前CSI技术的局限性.
• 引入一种新的深度学习框架,用于使用先前图像指导进行高准确度光谱重建.

主要方法:

• 演示EpiSpec,一个利用低成本传感器尾部响应用于高空间分辨率指导的系统.
• 关于先前图像引导深度展开框架 (PIUF) 的建议,以处理内容感知色彩错误并重建高保真度光谱数据.
• 介绍NIR光谱图像数据集 (NISID) 用于评估光谱稀疏结构和设计CSI传感矩阵.

主要成果:

• 通过利用先前的图像指导,EpiSpec可以有效地从降低的测量中重建高质量的超光谱场景.
• 该PIUF框架隐含地模拟非线性关系,用于准确的光谱重建.
• 对NISID数据集和代表性CSI系统的评估证实了EpiSpec框架的有效性.

结论:

• EpiSpec为高分辨率的NIR光谱成像提供了可行的解决方案,克服了成本和分辨率的限制.
• 开发的框架和数据集有助于CSI和光谱重建技术的进步.
• 实验室原型验证了EpiSpec对现实世界NIR光谱成像的实际应用.