1 March 2021 to 20 July 2021
Canal Zoom
America/Bogota timezone

Imágenes espectrales compresivas mediante información lateral virtual (MIguel Máquez, Doctorado en Física UIS)

15 Mar 2021, 15:00
20m
Canal Zoom

Canal Zoom

Description

En los últimos años ha aumentado el interés por los dispositivos de imagen compresiva que capturan imágenes espectrales con alta resolución espacial y espectral con tan sólo una instantánea. Sin embargo, existe un compromiso intrínseco entre la resolución espacial y la espectral que degrada una a expensas de la otra. Para paliar esta situación, los sistemas más avanzados han recurrido a múltiples instantáneas obtenidas mediante moduladores espaciales de luz (SLM) programables dinámicamente, o a la información lateral de un segundo sensor obtenida mediante divisores de haz o configuraciones estereoscópicas, que sufren de oclusión y exigen tareas de registro. En este trabajo se propone una arquitectura de imágenes espectrales instantáneas compresivas que se basa en las ideas de la información lateral, pero que se apoya en un único sensor de imagen. En concreto, proponemos dividir la luz entrante en dos trayectorias, como en un interferómetro convencional, con una trayectoria que dispersa la luz codificada, mientras que la otra sólo la retransmite, para así multiplexar una medición tradicional codificada y dispersada con una versión modulada en escala de grises del cubo 3D en el sensor de imagen. Hemos acuñado esto último, información lateral virtual. El sistema óptico propuesto es versátil en el sentido de que puede pasar de un sistema totalmente codificado a una cámara de escala de grises espacialmente modulada, cambiando/bloqueando la respuesta de división de los divisores de haz. Además, proponemos un algoritmo computacional para recuperar el cubo espectral subyacente explotando la alta resolución espacial proporcionada por la información lateral virtual. Demostramos mediante simulaciones de más de cincuenta imágenes espectrales, y a través de una prueba de concepto experimental, que el sistema de imágenes propuesto junto con el algoritmo computacional representa una alternativa eficiente para adquirir imágenes espectrales sin depender de sensores adicionales.

===========================

In recent years there has been an increasing interest in compressive imaging devices that capture spectral images with high spatial and spectral resolution with as few as a single snapshot. Nonetheless, there exists an intrinsic trade-off between spatial and spectral resolution which degrades one at the expense of the other. To alleviate this, state-of-art systems have relied on multiple snapshots attained via dynamically programmable spatial light modulators (SLM), or on side information from a second sensor attained via beam-splitters or stereo setups, which suffer from occlusion and demand registration tasks. This work proposes a compressive snapshot spectral imaging architecture that builds on the ideas of side information, but relies on a single image sensor. Specifically, we propose to split the incoming light into two paths, such as in a conventional interferometer, with one path dispersing the coded light, while the other just relaying it, so as to multiplex a traditional coded-and-dispersed measurement with a modulated grayscale version of the 3D cube in the image sensor. We have coined the latter, virtual side information. {The proposed optical system is versatile in the sense that it can move from a fully-encoding system, to a spatially modulated grayscale camera, by switching/blocking the splitting response of the beam-splitters.} Furthermore, we propose a computational algorithm to recover the underlying spectral cube exploiting the high spatial resolution provided by the virtual side information. {We demonstrate through simulations from over fifty spectral images, and via an experimental proof-of-concept implementation, that the proposed imaging system together with the computational algorithm represents an efficient alternative to acquire spectral images without relying on additional sensors.

Presentation Materials

There are no materials yet.