基于鬼成像稀疏约束光谱相机利用V-DUnet的高光谱图像重建
图像与视频处理
2022-06-30 v1 光学
摘要
基于鬼成像稀疏约束的光谱相机（GISC光谱相机）通过单次二维压缩测量获取三维高光谱信息，近年来受到广泛关注。然而，其成像质量与重建实时性仍有待进一步提升。近年来，深度学习在提升计算成像的重建质量与重建速度方面展现出巨大潜力。将深度学习应用于GISC光谱相机时，需解决若干挑战：1）如何处理海量三维高光谱数据；2）如何降低随机参考测量不确定性带来的影响；3）如何尽可能提高重建图像质量。本文提出一种端到端V-DUnet用于GISC光谱相机中三维高光谱数据的重建。为减小测量矩阵不确定性带来的影响并提升重建图像质量，将差分鬼成像结果与探测到的测量值一同送入网络输入。与PICHCS、TwIST等压缩感知算法相比，该方法不仅以高抗噪性显著改善成像质量，还将重建时间加快了两个数量级以上。
引用
@article{arxiv.2206.14199,
title = {Hyperspectral image reconstruction for spectral camera based on ghost imaging via sparsity constraints using V-DUnet},
author = {Ziyan Chen and Zhentao Liu and Chenyu Hu and Heng Wu and Jianrong Wu and Jinda Lin and Zhishen Tong and Hong Yu and Shensheng Han},
journal= {arXiv preprint arXiv:2206.14199},
year = {2022}
}