摘要
不同于传统点对点映射成像方式，计算光学成像通过将前端光学信号的物理调制与后端数字信号的计算处理联合起来，使图像信息获取更加高效。
这种新型成像体制有望缓解传统成像技术框架下低制造成本与高性能指标间的矛盾， 尤其在高维图像信息获取中呈现更显著优势。
而物理器件支撑下的系统架构一直是计算光学成像发展的基石，这篇文章针对压缩光谱成像这一子技术领域，介绍了现有可实现空间或光谱调制的光学器件，并以此为基础对多型压缩光谱成像系统架构进行了梳理、归纳，依据信息调制过程的差异，将其规整为单像素光谱成像、编码孔径光谱成像、空间-光谱双重编码光谱成像、微阵列型光谱成像与散射介质光谱成像等几类。
重点阐述了多种系统架构的信息调制与采集原理，以及对光谱图像数据立方体的调制效应，并讨论了其中的共性问题。
最后给出了面临的技术挑战，探讨了未来发展趋势。
系统架构型式
微阵列型光谱成像
光谱成像仪的小型化、微型化是未来发展趋势之一，微阵列型的压缩光谱成像系统架构为紧凑型设计提供了可能。
如图 10(a)(彩图见期刊电子版)中左上图所示，AUGUSTI.等人利用特殊设计的液晶单元 (Liquid Crystal Cell, LCC) 贴附于探测器表面，在传统成像系统基础上形成了一种紧凑型超光谱成像仪 (Miniature Ultra Spectral Imager, MUSI)。
通过改变施加在 LCC 两端的电压， 可以调节与波长相关的透过性，进而直接在光谱域内实现光谱调制，而无需将其转换到空间内再 进行间接调制，使系统得到简化。
需要说明的是，由于探测器上所有像素执行相同的光谱调制过程，信息捕获需要分时多次操作，无法实现快照式采集。
它的并行化版本有两种型式，一种型式如图 10(a) 中左中图所示，将来自目标场景的入射光束准直后，由陷波滤波器阵列进行光谱调制， 并经透镜阵列并行投射到探测器上; 另一种型式如图 10(a) 中左下图所示，采用法布里-珀罗谐振 器阵列 (FPRA) 与透镜阵列组合的多孔径设计， 首先通过透镜阵列对目标场景进行复制，接着布里-珀罗谐振器阵列 (FPRA) 利用其光谱透过性对 每组目标场景进行差异化光谱调制，最终并行投射到探测器上。
上述系统的一种改进型式如图 10(b)(彩图见期刊电子版)所示。采用像素级法 FPRA 设计，无需透镜阵列，每个 FPRA 利用其光谱透过性对目标场景每个像素进行差异化光谱调制，从而实现像素级空间-光谱调制。然而如此微小的 FPRA 制造难度较大。
结论与展望
从最早提出的 CASSI 系统算起，压缩光谱成 像已历经十几载，虽然得益于光学器件的发展，各 种新型系统不断涌现，但客观来说，现阶段仍然处 于发展机遇期，还有众多技术难点亟待突破。目前多数研究仍处于原理验证阶段，无论从系统性 能指标方面，还是应用稳定性与兼容性方面，距离 商用化落地还有相当的提升空间。如光谱图像分 辨率、质量仍然不能令人满意，器件成本过高，系统复杂度高，校准难度大，鲁棒性不够理想，大规模图像重构的算法实时性等问题仍面临巨大挑战。但作为涉及光学、数学、计算机、信号处理等 多学科交叉融合的技术领域，技术手段和理论工 具的选择空间足够广阔。同时，各种微纳光学器件的加入，以及以深度学习为代表的数据驱动算法，都为其注入了强大动力。
在提升性能与实用性的同时，压缩光谱成像也正向更高维度拓展，快照式压缩光谱成像已经实现视频速率光谱图像信息采集。若将时间维度信 息加入到系统调制与压缩进程，将带来空间-光谱-时间的 4-D 数据采集能力，从而获得更高的时间分辨率。在此基础上发展起来的压缩超快光谱 成像技术 (Compressed Ultrafast Spectral-Temporal, CUST) 已经实现万亿帧率，这对瞬态物理过程或 医疗领域应用具有重要意义。甚至引入深度等信息的 5-D 数据采集也已开始被研究。此外， 以应用为导向，通过与特定应用需求整合，并革新传统“采样-重构-识别”为直接采样识别，规避复杂重构算法，也将是压缩光谱成像技术发展的重要路径之一。
-
Previous
【Research & Writting】OpenReview 投稿 -
Next
【深度学习】3DT-Net ：Learning A 3D-CNN and Transformer Prior for Hyperspectral Image Super-Resolution
