近日，智能成像与计算感知研究部赵巨峰课题组在可见光高光谱成像研究领域取得进展，指导研究生在光学类二区杂志Optics & Laser Technology期刊（IF：4.939）发表题目为“Adaptive local sparse representation for compressive hyperspectral imaging”的论文，2020级朱骏捷同学为第一作者，赵巨峰老师为通信作者。

在高光谱成像中，高时间、空间、光谱分辨率的光谱成像技术是未来的发展方向。传统光谱仪通常采用扫描的方式来获取光谱信息，这种成像方式决定了它无法获取动态场景的光谱数据。编码孔径光谱成像是一种快照式的光谱成像方法，它通过编码模板与色散元件对光进行调制，在相机上获取混叠的光谱信息，然后通过计算重建出目标光谱信息，克服了传统扫描式光谱仪时间分辨率低的问题。

由于从二维的压缩采样中重建光谱信息是一个欠定的问题，重建误差不可避免，针对这一问题，本文提出了一种基于双相机系统与自适应稀疏表示的方法来提升重建质量。在本文中，首先对光谱反射图像局部结构在不同波段下的变化、以及与相应RGB观测之间的关系进行研究，然后通过聚类与主成分分析来获取RGB观测的结构和光谱信息，并以相机曲线与RGB图像为指导将获取的信息融合到重建的光谱图像中，有效提高了光谱图像的重建质量。最后，设计了一种自适应导向滤波方法来提升算法的噪声鲁棒性。算法的流程如图1所示，相比过去的一些方法，该方法在重建效果和时间上都有了提升。所用的双相机系统如图2所示。

图1 算法流程图

图2 双相机系统

       具体的算法重建结果和讨论分析请参见论文：

Junjie Zhu, Jufeng Zhao*, Jiakai Yu, Guangmang Cui, Adaptive local sparse representation for compressive hyperspectral imaging, Optics & Laser Technology. 2022, 156:108467

https://doi.org/10.1016/j.optlastec.2022.108467