基于深度学习的通过 RGB 相机进行高光谱成像
图像与视频处理
2021-12-01 v1 计算机视觉与模式识别
摘要
高光谱图像（HSI）同时包含空间模式与光谱信息，已广泛应用于食品安全、遥感及医学检测。然而，由于获取光谱所需的装置复杂，高光谱图像的采集通常成本高昂。近来有报道称，可利用卷积神经网络（CNN）算法从单张 RGB 图像重建 HSI。与传统高光谱相机相比，基于 CNN 算法的方法简单、便携且低成本。在本研究中，我们聚焦于 RGB 相机光谱灵敏度（CSS）对 HSI 的影响。使用氙灯配合单色仪作为标准光源来校准 CSS。实验结果表明，CSS 在 HSI 的重建精度中起着重要作用。此外，我们提出了一种新的 HSI 重建网络，通过对原始高光谱数据立方体进行 3D 矩阵转置来修改其维度结构，以提高重建精度。
引用
@article{arxiv.2107.05190,
title = {Deep-learning-based Hyperspectral imaging through a RGB camera},
author = {Xinyu Gao and Tianlang Wang and Jing Yang and Jinchao Tao and Yanqing Qiu and Yanlong Meng and Banging Mao and Pengwei Zhou and Yi Li},
journal= {arXiv preprint arXiv:2107.05190},
year = {2021}
}