用双照明和RGB摄像头进行光谱反射率成像,通过规范的端到端学习来实现

科学领域:

• 计算机视觉 计算机视觉
• 计算成像技术的成像
• 材料科学 是一种材料科学.

背景情况:

• 光谱反射成像为医学和文化保护提供了关键的光照独立材料特性.
• 传统的高光谱成像是昂贵的,而RGB方法面临着光谱模糊性和精度限制.
• 在高精度光谱成像和成本效益高,高效的解决方案之间存在差距.

研究的目的:

• 使用RGB输入开发一种具有成本效益的双照明光谱反射率成像方法.
• 与单次照明RGB方法相比,提高光谱精度并减少模糊性.
• 创建一个实用的系统来进行物质属性分析,提高效率和可负担性.

主要方法:

• 一个以规范化为导向的端到端框架共同优化照明选择和反射率重建.
• 歧视性照明学习以多种照明增益先验和物理意识的照明建模网络为指导.
• 一个轻量级的重建架构结合了自适应照明增强,层次多路径处理和频道智能重新校准,具有光谱和空间损失.

主要成果:

• 拟议的方法在多个数据集中显著优于最先进的技术.
• 即使使用低成本的硬件,也可以实现高质量的光谱反射率重建.
• 一个物理原型在硬件诱导的光谱偏差和实际部署潜力下证明了可靠性.

结论:

• 双照明方法为光谱反射率成像提供了一种具有成本效益和准确的替代方案.
• 开发的框架有效地解决了频谱分析中精度和效率之间的权衡问题.
• 该系统显示了在需要材料属性分析的各种领域的实际应用的巨大潜力.