多光谱成像推动了各个领域的重大进步,包括环境监测、天文学、农业科学、生物医学、医学诊断和食品质量控制。光谱成像设备最普遍和最原始的形式是从红色(R),绿色(G)和蓝色(B)颜色通道收集信息的彩色相机。
RGB彩色相机的传统设计依赖于空间上位于2×2像素的周期性重复阵列上的光谱滤光片,每个子像素包含一个吸收光谱滤光片,该滤光片传输红色,绿色或蓝色通道之一,同时阻挡其他通道。
尽管它们广泛用于各种成像应用,但由于这些吸收式滤波阵列的低功耗、高光谱串扰和较差的色彩表示质量,扩大这些吸收式滤波阵列的数量以从许多不同的色带收集更丰富的光谱信息带来了各种挑战。
加州大学洛杉矶分校的研究人员最近推出了一种快照多光谱成像仪,该成像仪使用衍射光学网络而不是吸收滤光片,具有16个独特的光谱波段,在输出图像视场上周期性地重复,以形成虚拟的多光谱像素阵列。这种基于衍射网络的多光谱成像器利用深度学习进行优化,将输入光谱通道在空间上分离到输出图像平面的不同像素上,作为虚拟光谱滤波器阵列,保留输入场景或物体的空间信息,即时生成图像立方体,无需图像重建算法。
因此,这种衍射多光谱成像网络可以在没有传统光谱滤光片或数字算法的情况下,将单色图像传感器虚拟转换为快照多光谱成像设备。
发表在《光:科学与应用》杂志上,据报道,基于衍射网络的多光谱成像仪框架可提供高空间成像质量和高光谱信号对比度。作者的研究表明,在不同频段上实现~79%的平均传输效率,而不会对系统的空间成像性能和光谱信号对比度造成重大影响。