回顾在光谱成像深度学习

光谱图像广泛应用于遥感、医学检测、食品检验等领域。传统的光谱成像技术获取光谱图像通过扫描,采集时间长,大型系统体积。随着计算光学的发展,研究人员倾向于做一些编码在光谱图像采集过程和度假胜地为光谱重建迭代优化算法。然而,这样的计算方法也有许多负担,通常需要分钟甚至几小时一重建。近年来,深度学习科学应用程序,已经显示出它的力量和光谱成像技术也不例外。在光谱成像装备深度学习时,它可以使重建在几秒钟内,与高光谱分辨率和紧凑的系统。

湘郝教授领导的团队的科学家,来自浙江大学、中国deep-learning-empowered光谱成像技术的发展进行了评述。他们给了多深的概述学习应用于光谱成像,以及基本原理和比较先进的技术。他们也安排了今天的可用频谱数据的光谱成像领域的研究人员和深度的学习。

正在写一篇评论文章中有效的分类是至关重要的。作者认为他们找到了理想的分类方法deep-learning-based光谱成像。“我们组织各种学习分为三个categories-amplitude-coded光谱成像方法,相的基本特征和wavelength-coded-based光。”