研究目的
通过修改CASSI系统并运用压缩感知技术，在硬件层面实现高光谱图像的超分辨率以提升空间分辨率。
研究成果
改进的SR-CASSI系统，特别是具有更高分辨率编码孔径的MSR-CASSI，在减少测量次数的同时显著提高了高光谱成像的空间分辨率。未来的工作可能涉及深度学习等先进算法和优化的硬件配置。
研究不足
该研究依赖于模拟和有限的真实数据；它采用了一种简单的重建算法（TwIST），可能并非最优，且编码孔径是随机生成的，未经优化。物理实现及对其他系统的普适性尚未充分探索。
1：实验设计与方法选择：
该研究通过两种方式将CASSI系统改进为SR-CASSI——MSR-CASSI（采用更高分辨率的编码孔径）和DSR-CASSI（采用更低分辨率的探测器），并基于压缩感知理论使用带TV正则化的TwIST算法进行重建。
2：样本选择与数据来源：
使用杜克DISP小组的真实实验室数据和公共数据集的模拟遥感数据。
3：实验设备与材料清单：
编码孔径、色散元件（棱镜）、FPA探测器及MATLAB等计算工具。
4：实验流程与操作步骤：
通过改进的CASSI系统进行测量，利用TwIST算法处理数据以重建高光谱图像，并基于PSNR和SSIM指标进行对比。
5：数据分析方法：
采用PSNR和SSIM定量评估图像质量，在MATLAB中进行迭代优化。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Coded Aperture
Spatially modulates light in the CASSI system to enable compressive sensing.
-
FPA Detector
Detects the coded and dispersed optical field to capture measurements.
-
Prism
Disperses light along the spatial axis in the CASSI system.
-
MATLAB
R2016a
MathWorks
Used for implementing the TwIST algorithm and data analysis.
-
Computer
Inspiron 7359
Dell
Hardware platform for running simulations and reconstructions.
-
登录查看剩余3件设备及参数对照表
查看全部
