更少采样实现更多化学检测：通过压缩感知放大高光谱数据立方体中的化学信号
图像与视频处理
2019-06-28 v1 计算机视觉与模式识别
信号处理
摘要
压缩感知（CS）是一种采样方法，允许某些类别的信号即使在欠采样的情况下也能以高精度重建。本文探讨了一种现象，即对高光谱数据立方体进行逐带 CS 采样并随后重建，实际上可以导致立方体中包含的化学信号的放大。或许最令人惊讶的是，化学信号的放大似乎通常随着采样水平的降低而增加。在一些例子中，从 10% CS 采样重建的数据立方体中的化学信号明显强于原始的 100% 采样数据立方体中的信号。我们在两个真实世界数据集中探索了这一现象，包括 Physical Sciences Inc. 的 Fabry-Pérot 干涉仪传感器多光谱数据集和 Johns Hopkins Applied Physics Lab 的基于 FTIR 的长波红外传感器高光谱数据集。这些数据集中的每一个都包含化学模拟物（如冰醋酸、磷酸三乙酯和六氟化硫）的释放，在所有情况下，我们都使用自适应相干估计器（ACE）来检测高光谱数据立方体中的目标信号。我们在论文结尾对为何化学信号在 CS 采样和重建的高光谱数据立方体中会被放大提出了一些理论论证，并讨论了一些实际意义。
引用
@article{arxiv.1906.11818,
title = {More chemical detection through less sampling: amplifying chemical signals in hyperspectral data cubes through compressive sensing},
author = {Henry Kvinge and Elin Farnell and Julia R. Dupuis and Michael Kirby and Chris Peterson and Elizabeth C. Schundler},
journal= {arXiv preprint arXiv:1906.11818},
year = {2019}
}
备注
10 pages