快照压缩成像：原理、实现、理论、算法与应用
图像与视频处理
2021-03-10 v1 计算机视觉与模式识别
摘要
捕获高维（HD）数据是信号处理及相关领域长期面临的挑战。快照压缩成像（SCI）使用二维（2D）探测器以{\em 快照}测量捕获HD（D）数据。通过新颖的光学设计，2D探测器以{\em 压缩}方式对HD数据采样；随后，采用算法重建所需的HD数据立方。SCI已用于高光谱成像、视频、全息、层析、焦深成像、偏振成像、显微等。尽管硬件已被研究十余年，其理论保证直到最近才被推导出来。受深度学习启发，各种深度神经网络也被开发用于重建光谱SCI和视频SCI中的HD数据立方。本文综述SCI硬件、理论与算法的最新进展，包括基于优化和基于深度学习的算法。还讨论了SCI的多样应用与展望。
引用
@article{arxiv.2103.04421,
title = {Snapshot Compressive Imaging: Principle, Implementation, Theory, Algorithms and Applications},
author = {Xin Yuan and David J. Brady and Aggelos K. Katsaggelos},
journal= {arXiv preprint arXiv:2103.04421},
year = {2021}
}
备注
Extension of X. Yuan, D. J. Brady and A. K. Katsaggelos, "Snapshot Compressive Imaging: Theory, Algorithms, and Applications," in IEEE Signal Processing Magazine, vol. 38, no. 2, pp. 65-88, March 2021, doi: 10.1109/MSP.2020.3023869