【深度学习】让高光谱视频成像叩开“新大门”

高光谱视频成像能够捕获场景的精细空间、光谱和时间信息，因此在生物荧光成像、遥感、监控、自动驾驶等领域得到广泛应用。

然而，高光谱视频数据量极大，现有方法记录高维数据时占用大量传输带宽和存储空间，给无人机、手机、行星探测器和卫星等资源受限系统带来巨大压力。如何在保留信息的前提下最大限度减少采样数据量、大幅提升采样压缩比就成为高光谱视频成像中的关键问题。

日前，北京理工大学光电学院王涌天教授、刘越教授团队成员徐怡博教授与谷歌公司和美国莱斯大学研究人员合作，开发了一种具有优异压缩比和吞吐量的基于单像素光电探测器的高光谱视频成像系统。

研究人员利用四维高光谱视频的高度可压缩性，设计出一种空间-光谱联合编码方案，提出基于四维空间信号稀疏度模型的优化重建和深度学习重建方法，实现了基于单像素探测器、可在低带宽下实现高通量的高光谱视频成像系统。