从任意照片中以全分辨率提取超光谱信息

科学领域:

• 计算机成像成像技术
• 频谱学是一种光谱学.
• 颜色科学是一种颜色科学.

背景情况:

• 光学光谱仪提供了丰富的分子,生物和物理数据,推动了光谱信息获取方面的研究.
• 从标准RGB图像中重建光谱配置文件是具有挑战性的,因为样本属性,照明和设备校准的变化.
• 目前用于光谱重建的机器学习模型缺乏通用性,而先进的光谱仪硬件往往昂贵且不可扩展.

研究的目的:

• 开发一个一般的计算框架,用于从单一拍摄的照片中恢复光谱信息.
• 为了使可访问的光学光谱和高光谱成像使用传统的相机,如智能手机中的那些.
• 克服现有的光谱重建方法的局限性,包括依赖训练数据和硬件限制.

主要方法:

• 引入了一个与光谱不连贯的颜色参考图表共同设计的新型计算框架.
• 参考颜色选择和计算算法的相互优化消除了对训练数据或预训练模型的需求.
• 该方法利用参考颜色的改变RGB值来在传输模式中恢复光谱强度,并在反射模式中构建光谱超立方体.

主要成果:

• 该框架实现了与科学光谱仪在传输模式下可比的光谱分辨率.
• 它可以从反射模式中的单拍照片中构建光谱超立方体,类似于超光谱成像.
• 该方法在没有特定任务的培训数据或预先训练的模型的情况下证明了可通用性.

结论:

• 开发的计算摄影光谱学为光学光谱学和高光谱成像提供了可扩展和负担得起的方法.
• 这项技术有可能通过利用现成的智能手机摄像头来实现光谱分析的民主化.
• 算法和参考图的共同设计为RGB图像的光谱重建提供了强大的解决方案.