A survey on computational spectral reconstruction methods from RGB to hyperspectral imaging

要約

ハイパースペクトルイメージングは​​、物質の識別に不可欠な豊富な空間情報とスペクトル情報をキャプチャする能力があるため、用途の広いアプリケーションを可能にします。
ただし、ハイパースペクトル画像を取得するためのデバイスは高価で複雑です。
したがって、より低コストでより利用可能なRGB画像からハイパースペクトル情報を直接再構成することにより、多くの代替スペクトルイメージング法が提案されてきた。
広く普及しているRGB画像からこれらの最先端のスペクトル再構成法の徹底的な調査を提示します。
25を超える方法の体系的な調査と比較により、データ駆動型の深層学習方法のほとんどは、速度が遅いにもかかわらず、再構成の精度と品質の点で以前の方法よりも優れていることが明らかになりました。
この包括的なレビューは、ピア研究者にとって有益な参考資料として役立つ可能性があり、したがって、関連するドメインでの将来の開発の方向性をさらに刺激することができます。

要約(オリジナル)

Hyperspectral imaging enables versatile applications due to its competence in capturing abundant spatial and spectral information, which are crucial for identifying substances. However, the devices for acquiring hyperspectral images are expensive and complicated. Therefore, many alternative spectral imaging methods have been proposed by directly reconstructing the hyperspectral information from lower-cost, more available RGB images. We present a thorough investigation of these state-of-the-art spectral reconstruction methods from the widespread RGB images. A systematic study and comparison of more than 25 methods has revealed that most of the data-driven deep learning methods are superior to prior-based methods in terms of reconstruction accuracy and quality despite lower speeds. This comprehensive review can serve as a fruitful reference source for peer researchers, thus further inspiring future development directions in related domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google