girl move on
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。相关研究成果于近期发表于顶级期刊《Nature Communications》上。
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。该系统利用四维高光谱视频的高度可压缩性,设计一种空间-光谱联合编码方案,将场景编码为具有时间相关性的高度压缩的测量值,并采用一种基于四维空间信号稀疏度模型的重建方法和一种深度学习重建方法,完成了64个光谱带的128×128高光谱图像的重建,每秒超过4帧,压缩比为900×。
高光谱视频重建的深度学习方法示意图
[来源:仪器信息网] 未经授权不得转载
国内首个高光谱遥感卫星大数据共享平台!我国在遥感卫星数据共享方面实现了零的突破!
2024.01.23
2024.01.17
2024.03.13
2024.07.04
2024.07.03
2024.05.28
版权与免责声明:
① 凡本网注明"来源:仪器信息网"的所有作品,版权均属于仪器信息网,未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品,应在授权范围内使用,并注明"来源:仪器信息网"。违者本网将追究相关法律责任。
② 本网凡注明"来源:xxx(非本网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。
③ 如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为默认仪器信息网有权转载。
谢谢您的赞赏,您的鼓励是我前进的动力~
打赏失败了~
评论成功+4积分
评论成功,积分获取达到限制
投票成功~
投票失败了~