以下是对这篇文献的综合报告:

编码孔径快照光谱成像重构算法综述

作者:马祥天, 王立志, 黄华 发表于:《计算机学报》2024年1月第47卷第1期

主要内容:

一、引言 光谱图像含有丰富的空间和光谱信息,在航天遥感、医疗诊断和机器视觉等领域有重要应用价值。编码孔径快照光谱成像(CASSI)是光谱成像的前沿技术,能够从单次曝光中快速获取动态场景的光谱图像。CASSI系统包括两个阶段:编码降维采集和解码升维重构。本文综述了CASSI的重构算法。

二、CASSI系统介绍 CASSI系统由物镜、编码模板、色散棱镜、相机等组成。通过编码模板对空间信息进行调制,色散棱镜对光谱信息进行调制,最终获得低维观测图像。CASSI早期研究主要集中于提升编码效率,包括编码模板设计和双相机系统设计。现阶段,CASSI系统的”编码降维采集”趋于稳定,其”解码升维重构”决定了光谱成像的质量和效率。

三、CASSI重构的特点和挑战 CASSI重构与自然图像复原问题存在诸多差异,主要挑战包括:1)仿真很难精确模拟光学成像过程;2)先验表示模型难以适配复杂场景;3)重构算法对前向模型缺乏灵活性;4)重构质量和计算效率需权衡;5)缺少实物数据集和统一评价标准。

四、基于优化模型的重构算法 基于优化模型的重构算法利用凸优化模型求解线性逆问题,主要包括: 1) 基于平滑先验的重构算法,如TWIST、ADMM、GAP等,能保持图像分段平滑,但易造成边缘过平滑。 2) 基于稀疏先验的重构算法,如GPSR、AMP等,能通过稀疏优化对高频信息进行恢复,但参数调节较困难。 3) 基于低秩先验的重构算法,如结合非局部相关性和三维全变差的方法,能利用光谱间的相关性提高重构质量。

五、结论与展望 总结了现有工作的不足,包括前向模型拟合误差、先验表示模型欠适应性、算法灵活性不足、计算效率与质量权衡等。展望了未来研究方向,如开发适应性强的前向模型与先验模型、提高算法的泛化性能和计算效率、构建标准化的实物数据集等。希望为CASSI领域的创新发展提供参考。