快照多光谱成像使用光学知情学习

科学领域:

• 计算机视觉 计算机视觉
• 光学工程是指光学工程.
• 图像处理 图像处理

背景情况:

• 多光谱成像提供了比RGB更丰富的数据,对于诸如metamerism分析等应用至关重要.
• 传统的多光谱成像在速度,准确性和成本方面面临限制.
• 现有的方法在实时,精确的光谱数据采集方面扎.

研究的目的:

• 提出一种基于光学信息的深度学习技术,用于准确,快速和插入式多光谱成像.
• 开发一个端到端的神经网络,用于将单个RGB图像转换为超光谱图像.
• 通过结合光学先验并将其建模为反向问题来增强光谱估计.

主要方法:

• 一个端到端的神经网络与混合注意力模块被设计用于RGB到超光谱图像转换.
• 光谱估计被定义为一个反向的解决问题的任务.
• 一个带有复杂照明模拟灯箱和光束分割器的试点光学系统被用于验证.

主要成果:

• 拟议的技术实现了高光谱重建精度 (MSE:0.00426,SSIM:0.942),MSE比HSCNN+提高了29%.
• 实验表明,在不同的照明条件和响应曲线下,它具有强度.
• 该管道可从单个RGB图像中实现实时和强大的多光谱成像.

结论:

• 基于光学信息的深度学习方法提供了准确,快速和插即用的多光谱成像.
• 这种技术为快照多谱成像提供了一种新的方法.
• 潜在的应用包括医学成像,质量监测和矿物勘探.