Fast reconstruction of hyperspectral images from coded acquisitions using a separability assumption

Abstract

We present a fast reconstruction algorithm for hyperspectral images, utilizing a small amount of data without the need for any training. The method is implemented with a dual disperser hyperspectral imager and makes use of spatial-spectral correlations by a so-called separability assumption that assumes that the image is made of regions of homogenous spectra. The reconstruction algorithm is simple and ready-to-use and does not require any prior knowledge of the scene. A simple proof-of-principle experiment is performed, demonstrating that only a small number of acquisitions are required, and the resulting compressed data-cube is reconstructed near instantaneously.

Apports et défis de l’acquisition codée pour l’imagerie hyperspectrale

“…Les démonstrations expérimentales actuelles et les algorithmes associés se sont essentiellement concentrés sur la reconstruction du cube hyperspectral, avec un nombre de longueurs d'onde limité (quelques dizaines). Elles ont permis de démontrer la possibilité de réduire de plus d'un ordre de grandeur la quantité de données à acquérir [4], transmettre et stocker. Un premier défi consiste à exploiter de telles techniques et algorithmes en augmentant la résolution spectrale, avec un nombre plus important de longueurs d'onde.…”