计算光谱成像技术按编码方式不同可分为哪些类型？

计算光谱成像技术按编码方式不同可分为哪些类型？根据调控的光场参数进行分类，目前计算光谱成像技术按编码方式可分为三类：振幅编码、波长编码和相位编码三种类型。本文对此做了介绍。

计算光谱成像技术按编码方式不同分类：

根据调控的光场参数进行分类，目前计算光谱成像技术按编码方式可分为三类：振幅编码、波长编码和相位编码三种类型。

1.振幅编码型

基于振幅编码的编码孔径光谱成像技术以色散型（棱镜、光栅）光谱成像技术为原型，通过随机编码模板对物空间进行调制，然后由色散元件进行色散处理，得到压缩后的图谱混叠像，经探测器探测，最后由CS算法实现三维数据立方体重建。

编码孔径光谱成像技术通过空间光调制器实现自适应压缩比采样，传统的凸优化算法在压缩采样和重建过程要求信号存在被稀疏表达的变换域，且算法迭代收敛速度慢，重构时间长，且对噪声更为敏感，而基于深度学习的振幅编码光谱成像，通过端到端的软硬件协同设计与自编码等无监督学习方法可以实现更高效光谱重建。

2.波长编码型

基于波长编码的宽光谱编解码光谱成像技术以干涉型（滤光片）光谱成像技术为原型，将窄带滤光片替换成宽带编码滤光片，当目标场景光线到达宽带编码滤光片阵列后，宽带编码滤光片阵列对入射的光谱进行编码，由探测器采集光谱编码后的图像。通过压缩感知或神经网络算法重构光谱图像。

其中基于神经网络的光谱重构算法以其强大的学习泛化能力，结合端到端的软硬件协同优化方法，使得利用更少的光谱编码单元可以实现更高信噪比和更强抗噪性能的光谱成像。但现有的端到端设计方法由于未能实现关键参数的完全优化，只能设计出局部最优的光谱编解码结构，且无法解释滤光片种类和薄膜层数与光谱重构精度和分辨率之间的定量关系。

3.相位编码型

基于相位编码的旋转衍射光谱成像以衍射型（衍射光学元件）光谱成像技术为原型），将衍射光学元件替换为旋转衍射编码模板，当目标场景光线到达旋转衍射编码模板后，因为不同位置的二维高度轮廓不同导致的特定相位延迟，使得目标场景点扩散函数随波长分布在不同旋转方位，由探测器接收到衍射后的光谱图像，通过重构算法将混叠后的图像复原。

由于相位编码器件的衍射特性，经过相位编码成像后的图谱结构复杂，传统处理方法难以实现高质量重构，而深度学习的方法具备强大拟合能力，在非线性处理方面有极强的适应性，因此目前主要利用深度学习实现光谱图像重构。

计算光谱成像技术不同类型的区别：

以上三类计算重构型光谱成像技术在信噪比和采样效率方面均优于传统光谱成像技术，且容易实现微小型光机结构设计，但振幅编码型编码孔径光谱成像技术与相位编码型旋转衍射光谱成像技术同时在光谱维和空间维进行编码，光谱图像重构算法杂度高、重构难度大，容易产生不稳定的图像输出。而波长编码型宽光谱编解码光谱成像技术只对光谱维进行编码，保持空间维度的几何位置不变，重构计算的复杂度远低于振幅编码与相位编码，输出的光谱图像稳定，结合像元级宽带滤波器加工技术，可以实现分辨率可重构的光谱成像，是目前发展快速、有希望在近几年成熟应用的新型光谱成像技术。

宽光谱编码光谱成像技术基于微纳光学与稀疏信号处理理论，利用宽带滤波器对入射光光谱进行编码，再由重构算法实现光谱的解码重构。现有的宽带滤波器有随机滤光片、量子点阵列、光子晶体阵列和具有可调谐带隙的纳米线等。

具体而言，宽光谱编码光谱成像技术将入射光的光谱信息由一组透过率随波长呈随机（不相关）分布的宽带滤波器进行调制，在探测器的不同位置探测编码后的光强响应，然后利用算法重建光谱，其优点在于每个光谱像素使用少量的滤光结构实现了较多波长光谱信息的复原，大大提高了光谱的采样效率与光能利用率。其中，对于具有随机透过率的宽带滤光片（随机滤光片），可以利用成熟的光学薄膜技术，设计成透过率误差极小的像元级随机滤光片阵列，通过与探测器集成，极大地缩小了光谱成像系统的体积。