呂曉波，劉宇豐，李毅威，朱帥帥，林 杰*，金 鵬*

（1.哈爾濱工業(yè)大學儀器科學與工程學院，黑龍江哈爾濱150080；2.微系統(tǒng)與微結(jié)構(gòu)制造教育部重點實驗室（哈爾濱工業(yè)大學），黑龍江哈爾濱150080；3.西安航天動力試驗技術研究所，陜西西安710100）

1 引 言

來自目標場景的光線攜帶著豐富的信息。Adelson和Bergen［1］首次提出使用全光函數(shù)P（x，y，z，θ，φ，λ，t）來表示這些信息，其中（x，y，z）表示空間維，（θ，φ）表示光線的傳播角度，λ表示光的波長，t表示光子的發(fā)出時間。Gao和Wang［2］又加入了兩維偏振信息（Ψ，χ），將該函數(shù)擴展到九維。傳統(tǒng)的成像系統(tǒng)通常僅獲取目標場景的空間二維信息（x，y），而忽略了其他維度的信息。光譜成像具備(x，y，λ)三維成像能力，光譜信息能夠反映物質(zhì)的化學和分子特性［3］，因此光譜成像被廣泛應用于生物醫(yī)學［4-5］、遙感［6］及食物質(zhì)量檢測［7］等領域。另一方面，目標物的三維空間信息（x，y，z）表征了其形態(tài)和位置，因此三維空間成像技術在生物醫(yī)學［8-9］、攝影［10］、目標識別［11-13］以及粒子圖像測速［14］等領域得到了廣泛的應用。

在過去幾十年里，學者們付出大量努力突破成像系統(tǒng)的限制，以獲得更多維度的光信息。其中，光譜-立體(x，y，z，λ)成像備受關注。大多數(shù)光譜-立體成像系統(tǒng)基于掃描或者多次拍照，這會導致拍照時間的延長并因此限制它應用于動態(tài)場景。將多個探測器的信息進行融合可以在一次快照獲取(x，y，z，λ)信息，然而這樣的系統(tǒng)比較笨重并且存在對準誤差。本文提出一種快照式光譜-光場成像方法，將聚焦光場成像結(jié)構(gòu)引入到快照式傅里葉變換光譜儀中，在不損失系統(tǒng)橫向分辨率的基礎上，一次快照就能記錄目標場景的(x，y，z，λ)信息。

2 實驗儀器與方法

2.1 光路結(jié)構(gòu)設計

快照式光譜光場成像系統(tǒng)的光路示意圖如圖1所示。來自目標場景的光線由物鏡成像至視場光闌，形成第一中間像，然后再經(jīng)過中繼鏡頭Ⅰ到達微透鏡陣列。需要注意的是，此處的視場光闌與單個微透鏡形狀都為方形。通過調(diào)節(jié)視場光闌的大小，能夠限制微透鏡成像子圖之間的互相混疊，同時能夠抑制雜散光。中繼鏡頭Ⅰ所成的像為虛像（第二中間像），位于微透鏡陣列之后。光線經(jīng)過微透鏡陣列后形成一系列的子圖像，構(gòu)成一個子圖陣列（Elemental Image Array，EIA），即第三中間像。最后，第三中間像經(jīng)過檢偏器由中繼鏡頭Ⅱ成像至CCD上。此時CCD上的子圖陣列的視差記錄了目標場景的光場信息(x，y，θ，φ)，并可以重建出其深度信息。

快照式光譜光場成像系統(tǒng)中包含一個快照式傅里葉變換型成像光譜儀（Snapshot Hyperspectral Imaging Fourier Transform，SHIFT），它由微透鏡陣列和雙折射偏振干涉儀（Birefringent Polarization Interferometer，BPI）組成。其中，BPI由兩片偏振片和一個沃拉斯頓棱鏡組成。沃拉斯頓棱鏡由兩片石英光楔膠合而成，其光軸方向如圖1（b）中紅色雙箭頭和圓圈所示（彩圖見期刊電子版）。兩片偏振片的透光軸方向均與沃拉斯頓棱鏡的光軸成45°。經(jīng)過偏振片Ⅰ后，入射光變?yōu)榫€偏振光，其偏振方向與偏振片Ⅰ的透光軸相同?；谖掷诡D棱鏡的雙折射特性，該棱鏡將入射光線分成兩束。由于入射光線的偏振方向與沃拉斯頓棱鏡的光軸成45°，兩路光線的強度相同，偏振方向相互垂直。隨后，這兩束光線經(jīng)過偏振片Ⅱ后，其偏振方向與沃拉斯頓棱鏡的光軸重新成45°。最后，中繼鏡頭Ⅱ?qū)陕饭饩€匯聚并于CCD上發(fā)生干涉。兩束光線在沃拉斯頓棱鏡中的傳播過程中，由于尋常光和非尋常光的折射率不同，兩路光線之間產(chǎn)生了一定的光程差，該光程差的大小與光線在CCD上匯聚的位置(x，y)有關。如圖1（c）所示，由于雙折射偏振干涉儀繞z軸旋轉(zhuǎn)了一個很小的角度δ，此時CCD上的光程差可表示為：

圖1 快照式光譜-光場成像系統(tǒng)Fig.1 Snapshot light-field-spectral imaging system

式中：B為石英的雙折射率；α為沃拉斯頓棱鏡中光楔的角度；MR2為中繼鏡頭Ⅱ的放大倍率；x0為y=0處零光程差點的位置。由于雙折射偏振干涉儀繞z軸旋轉(zhuǎn)了一個很小的角度δ，每一個子透鏡所帶的光程差信息不同，最后呈現(xiàn)在CCD上的每個子圖像就帶有相應的光程差信息。通過控制δ的角度，令前一行子圖像對應點與行間相鄰子圖像對應點的光程差間距相等，構(gòu)成等間距采樣的子圖序列。沿著光程差從小到大的方向，對子圖所有坐標點進行遍歷，就可以采樣得到一個三維干涉數(shù)據(jù)立方體(x，y，OPD)。經(jīng)過快速傅里葉變換（Fast Fourier Transform，F(xiàn)FT）后，即可得到目標場景的光譜信息。

2.2 快照式光譜-光場信息重建算法

如圖2所示，在軸對稱光學系統(tǒng)中，來自物點A的入射光[y′，φ′]T與到達其共軛像點B的出射光[y，φ]T之間的關系可表示為：

式中：M為光學系統(tǒng)的放大倍率，f為光學系統(tǒng)的焦距。

圖2 光線在軸對稱光學系統(tǒng)中的傳播Fig.2 Propagation of light rays in axisymmetric optical system

在快照式光譜-光場成像系統(tǒng)中，由于微透鏡陣列的存在，在對各個子圖像內(nèi)的像點進行光線追跡時，需要先將光軸平移至相應的子透鏡的中心，然后通過式（2）變換進行光線追跡，最后再將光軸平移回原來的位置。根據(jù)上述步驟，對于穿過y軸方向上第v個子透鏡的光線，光線到達相應像點的出射光可表示為：

式中dv為光軸到y(tǒng)軸方向上第v個子透鏡中心的距離。如2.1節(jié)所述，光線經(jīng)過雙折射偏振干涉儀之后會在探測器上產(chǎn)生干涉條紋，而且該條紋的相位由兩路光線之間的光程差決定。所以，到達CCD光線的全光函數(shù)可表示為：

式中P′為來自目標場景光線的全光函數(shù)。將式（4）一般化至三維空間并對光線傳播角度(θ，φ)以及波長(λ)進行積分，即可得到CCD采集的原始圖像，那么有：

其中x′，y′，θ′，φ′均由式（2）得出。

假設目標物為朗伯體，即來自目標物光線的光譜(λ)獨立于其傳播角度(θ，φ)。則式（5）可進一步化為：

式中：l(x′，y′，θ′，φ′)為目標場景的四維光場立方體；s(x，y，λ)為目標場景的三維光譜立方體。

本文設計的快照式光譜-光場信息重建算法可分為三步：第一步，光場-干涉信息解耦；第二步，從系統(tǒng)記錄的光場信息(x，y，θ，φ)中重建目標場景的三維立體信息(x，y，z)；第三步，重建目標場景的三維光譜數(shù)據(jù)立方體(x，y，λ)。

2.2.1 光場-干涉信息解耦

探測器獲得的數(shù)據(jù)中混疊有光場信息和干涉條紋信息。為了將光場和干涉信息的耦合方式從相乘轉(zhuǎn)換為相加，對式（6）的兩邊分別取對數(shù)，得到：

圖3 信息重建算法流程。（a）光場-干涉信息解耦卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)；（b）光場圖像；（c）從光場圖像提取的極平面圖像；（d）視差圖；（e）深度圖；（f）從原始圖像提取的極平面圖像；（g）單個像素點的干涉序列；（h）單個像素點的光譜；（i）光譜立方體Fig.3 Flowchart of spectral-light-field datacube reconstruction.（a）Framework of the light-field-interferogram decoupling convolutional neural network；（b）Light-field image；（c）Extraction of an epipolar plane image；（d）Disparity map from the light-field image；（e）Depth map；（f）Extraction of an epipolar plane image from the raw image；（g）Interferogram of a single pixel；（h）Spectrum of a single pixel；（i）Spectral datacube

此時，光場-干涉信息解耦問題轉(zhuǎn)化為如何去除圖像上疊加的條紋。如圖3（a）所示，為實現(xiàn)二者的解混，采用去耦合卷積神經(jīng)網(wǎng)絡（Decoupling Convolutional Neural Network，DC-CNN）進行光場信息和干涉條紋的解耦，從而將光場信息和干涉信息從原始數(shù)據(jù)中分別提取出來。因為光場圖像比條紋復雜得多，這里將條紋設置成學習對象。所設計的DC-CNN架構(gòu)包含兩個中間層和一個輸出層。該神經(jīng)網(wǎng)絡的傳遞方式可以分為以下三個步驟：

式中：Ii為訓練集中第i幅圖像；H1(Ii)為第一層隱藏層的輸出；H2(Ii)為第二層隱藏層的輸出；ReLU（·）為線性整流函數(shù)，ReLU（x）=max（0，x）；Wl（l=1，2，3）為DC-CNN第l層的權(quán)重參數(shù)；bl=（1，2，3）為DC-CNN第l層的偏差參數(shù)。

神經(jīng)網(wǎng)絡構(gòu)架好后，本文采用ICVL數(shù)據(jù)庫來生成用于訓練DC-CNN的訓練集，并進行訓練。如前所述，本系統(tǒng)涉及的干涉條紋是一種規(guī)律性很強的圖像模式，這會大大降低DC-CNN的訓練難度。在訓練的過程中，DC-CNN的核函數(shù)被定義為：

式中：N為訓練集中圖像的數(shù)量；Ii為訓練集中第i幅帶有干涉條紋的圖像；Ei為訓練集中第i幅不帶干涉條紋的圖像。經(jīng)過訓練后，DC-CNN的輸出圖像即為干涉條紋，將輸入圖像和輸出圖像逐個像素點相除，即可得到光場圖像。

2.2.2 三維立體信息重建

去除干涉條紋的光場圖像，可認為是一個立體相機陣列（微透鏡陣列）拍攝目標物而成。該光場圖像可以表示為：

將子圖陣列進行重排之后，可得到一個四維的光場數(shù)據(jù)立方體LF(x，y，m，n)，其中(m，n)分別代表某子圖在x軸和y軸的位置坐標，而(x，y)代表該子圖的像素坐標。本文采用一種尺度-深度空間變換（Scale-depth Space Transform，SDST）算法［11來重建目標場景的視差圖。如圖3（c）所示，是該四維數(shù)據(jù)立方體沿y-n平面的切片，稱之為極線平面圖。虛線兩端是兩個不同子圖上的同名點（目標場景中同一個點），其連線傾角β即代表該同名點在不同子圖中的視差信息，對應該點在目標物空間的深度信息［15］。要得到目標場景的深度信息，首先，計算極線平面圖中兩同名點的差異為：

其中h為極線平面圖沿著n軸方向的寬度。然后遍歷所有同名點，就可以得到目標場景中所有點的差異圖。最后，經(jīng)過深度校正得到目標場景的深度圖，該深度圖可以直觀地體現(xiàn)本系統(tǒng)記錄得到的目標場景的光場信息。

2.2.3 光譜信息重建

本文直接使用帶有干涉條紋的系統(tǒng)采集圖來重建目標場景的(x，y，λ)光譜信息。將所有子圖按照光程差由小到大的方向重排之后，即可得到一個干涉數(shù)據(jù)立方體。圖4（a）為某個像素點處的干涉序列，橫坐標為干涉序列各元素的光程差。對上述干涉序列做傅里葉變換后，經(jīng)過光譜校正、強度校正等操作后即可得到相應像素點的光譜，光譜密度曲線如圖4（b）所示。

圖4 某像素點的干涉序列以及光譜密度曲線Fig.4 Interferogram and spectrum of single pixel

3 結(jié)果與討論

為了驗證快照式光譜-光場成像方法的可行性，本文搭建了相應的快照式光譜-光場成像實驗系統(tǒng)，并對它在空間、光譜以及時間維度上的表現(xiàn)進行了評價。圖5為快照式光譜-光場成像實驗系統(tǒng)的實物圖。其中，起偏器和檢偏器采用大恒光電GCL-050004；物鏡采用佳能EF-S 24 mmf/2.8；視場光闌采用大恒光電GCM-5711M；中繼鏡頭Ⅰ采用佳能EF 50 mmf/1.4；微透鏡陣列采用Advanced Microoptic Systems GmbH APO-Q-P1000-R5，焦距為10.9 mm，子透鏡間距為1 mm；Wollaston棱鏡為自主設計外協(xié)加工，材料為石英；中繼鏡頭Ⅱ采用大恒光電GCO-232204，其放大倍率為0.44；CCD采用JAI BM-500GE。

圖5 快照式光譜-光場成像系統(tǒng)實物Fig.5 Prototype of snapshot spectral-light-field imaging system

3.1 系統(tǒng)的深度重建精度

為了量化分析系統(tǒng)的深度重建精度，采用如圖6（a）所示的兩個帶有字母的白色平板作為目標物，其中距離成像系統(tǒng)較遠的平板與系統(tǒng)光軸垂直，另一平板則垂直于xoz平面并與x軸成約45°。圖中遠端平板上的黃色陰影區(qū)域為近端平板遮擋的區(qū)域（彩圖見期刊電子版）。使用直角規(guī)和鋼尺測量兩平板到成像系統(tǒng)前端的距離，并將該距離作為目標物深度的真值，測量結(jié)果如圖6（b）所示。圖6（c）和6（d）分別為快照式光譜-光場成像系統(tǒng)重建的目標物深度以及該深度的誤差。從圖中可以看出，由于近端平板對遠端平板的遮擋效應，近端平板邊緣區(qū)域的誤差較大。圖中其他部分的深度誤差均小于10 mm，整圖范圍內(nèi)的均方根（Root Mean Square，RMS）誤差為7.7 mm。同時，通過設置使系統(tǒng)只具有光場成像的功能，此時其深度重建精度如圖6（e）所示。其整圖范圍內(nèi)的RMS誤差為7.4 mm，與快照式光譜-光場成像系統(tǒng)得到的結(jié)果（RMS=7.7 mm）很接近。

圖6 系統(tǒng)獲取目標物深度信息的精度Fig.6 Depth accuracy of spectral-light-field imaging system

3.2 系統(tǒng)的光譜分辨力以及光譜重建精度

為了測試快照式光譜-光場成像系統(tǒng)的光譜分辨力，本文使用3個不同顏色的激光器（紅色：Melles Griot，25-LHP-925-230，632.8 nm；綠色：Oxxius，532S-100-COL-PP，532 nm；藍色：Coherent，OBIS 488-60 LS，488 nm）照射一個黑色平板。該平板放置在距離成像系統(tǒng)前端大約900 mm處。圖7（a）為系統(tǒng)重建的目標物圖像，其中紅色、綠色以及藍色激光光點分別由“Red”、“Green”和“Blue”標識。圖7（b）～7（d）分別為系統(tǒng)重建的光譜立方體在3個光點內(nèi)的光譜曲線，圖中的實線為根據(jù)實測數(shù)據(jù)擬合的高斯曲線，內(nèi)嵌圖分別為光譜立方體在632.6，531.6，487.1 nm處的光譜切片。從這些光譜切片可以看出，圖像僅在相應的激光光點處有較高的亮度。本文使用激光光譜曲線的半高全寬（Full Width at Half Maximum，F(xiàn)WHM）來表示系統(tǒng)在該波長位置的光譜分辨力。在BPI中，使用一個定制的沃拉斯頓棱鏡，其光楔的角度為7.6°。同時，根據(jù)式（1）設置x與x0的偏差為1.5 mm，此時系統(tǒng)的最大光程差為28.5μm，其理論光譜分辨力應為350.9 cm-1，它在632.8，532以及488 nm處的理論光譜分辨力分別為14.1，9.9以及8.3 nm。如圖7（b）～7（d）所示，系統(tǒng)在632.8，532以及488 nm處的實際光譜分辨力分別為15.4，10.7以及8.4 nm。結(jié)果表明，實測分辨力與系統(tǒng)設計的理論分辨力較為接近。

圖7 快照式光譜-光場成像系統(tǒng)的光譜分辨力。（a）重建的目標物；（b～d）紅色、綠色以及藍色激光光點處的光譜曲線Fig.7 Spectral resolution of snapshot spectral-light-field imaging system.（a）Reconstructed image；（b-d）Spectra at the red，green，and blue laser points

為了評價快照式光譜-光場成像系統(tǒng)的光譜重建精度，這里使用愛色麗色卡作為系統(tǒng)成像目標物。如圖8（a）所示，色卡中的16個色塊分別用數(shù)字“1～16”標識。本實驗中，色卡被放置在距離成像系統(tǒng)約780 mm處，并使用鹵素燈作為照明光源。實驗使用商業(yè)光纖光譜儀（Avantes，AvaSpec-2048）測量各個色塊的反射光譜，并作為參考和本系統(tǒng)測得的結(jié)果進行比對，比對結(jié)果如圖8（c）～8（r）所示。從圖中可以看出，快照式光譜-光場成像系統(tǒng)重建的光譜曲線與商業(yè)光纖光譜儀測得的光譜曲線非常接近。

圖8 快照式光譜-光場成像系統(tǒng)的光譜重建能力。（a）愛色麗色卡；（b）各個色塊內(nèi)NRMSE的平均值以及標準差；（c）～（r）在不同色塊內(nèi)系統(tǒng)獲取的光譜曲線與真值的對比Fig.8 Spectra-reconstruction ability of snapshot spectral-light-field imaging system.（a）Photo of the ColorChecker；（b）Average normalized RMS errors of the reconstructed spectra in color blocks；（c-r）Reconstructed spectra from the SSVI system and the Avantes spectrometer in color blocks

為了量化快照式光譜-光場成像系統(tǒng)重建光譜信息的精度，本實驗在每個色塊區(qū)域內(nèi)選10×10個像素點，并以商業(yè)光纖光譜儀測得的光譜作為真值計算各像素點光譜的歸一化均方根誤差（Normalized Root Mean Square Error，NRMSE）。圖8（b）中的藍色誤差棒表示各個色塊內(nèi)NRMSE的平均值以及標準差（彩圖見期刊電子版），所有色塊中的平均NRMSE為6.87%。

3.3 分辨力測試實驗及系統(tǒng)視場角

本系統(tǒng)采用CCD型號為JAI BM-500GE，像素數(shù)為2 058×2 456，同時采用的微透鏡陣列包含15×15個子透鏡。理論上子透鏡對CCD像面進行分割后，最終系統(tǒng)的成像像素數(shù)應為137×137。然而，本系統(tǒng)的實際空間分辨力為130×130像素，沒有利用CCD的所有像素。這是因為在子圖間隔中留有空白區(qū)域，以容許微透鏡邊緣的加工誤差。同時，通過本系統(tǒng)對19511951 USAF分辨率板（R3L3S1N，Thorlabs）作為目標物進行成像，來評價系統(tǒng)的橫向分辨力，結(jié)果如圖9所示。由圖可以看出，實驗結(jié)果略低于理論值，其主要原因有二：首先，光學棱鏡的像差，尤其是微透鏡的數(shù)值孔徑較小，導致模糊；其次，重建過程中算法誤差也會導致成像降質(zhì)。

圖9 系統(tǒng)的橫向分辨力Fig.9 Lateral resolution of proposed system

透鏡陣列子透鏡間距為1 mm，焦距約為10.9 mm，在CCD被完全利用的情況下，有：

系統(tǒng)的理論視場角為5.25°。而實際測試中，本系統(tǒng)視場角為5.2°，其原因在于子圖間隔中留有空白區(qū)域，CCD像面并未完全利用。

3.4 光譜-立體視頻

為了驗證成像系統(tǒng)快速獲取目標場景空間以及光譜信息的能力，本文使用如圖10（a）所示的動態(tài)場景作為成像系統(tǒng)的目標場景。該場景包含一個帶有字母的白色平板，以及一個沿光軸方向前后擺動的綠葉。其中，白色平板靜止放置在距離成像系統(tǒng)大約850 mm的位置，而綠葉在距離成像系統(tǒng)約420～660 mm內(nèi)以約2 s為周期前后晃動。圖11（c）所示為本實驗中使用的綠葉的高清RGB圖像，其上粘有一個L形的綠色紙片。

圖10 光譜-立體視頻。（a）實驗場景示意圖；（b～i）不同時刻下重建的深度圖以及三維圖像；（j～m）在不同時刻下成像系統(tǒng)聚焦到450 mm（上行）以及850 mm（下行）處的圖像Fig.10 Real-time spectral-volumetric video.（a）Schematic diagram of the experimental setup；（b-i）Reconstructed depth and image frames at different times；（j-m）Samples of image frames reconstructed when the system focuses at 450 mm（upper row）and 850 mm（lower row）

圖11 快照式光譜-光場成像系統(tǒng)對同色異譜現(xiàn)象的重建Fig.11 Reconstruction of metamerism by snapshot spetral-light-field imaging system

本實驗使用快照式光譜-光場成像實驗系統(tǒng)對該目標場景拍攝了一段包含100幀圖像、時長約6 s的視頻，并使用光譜-深度重建算法對每幀圖像進行處理。圖10（b）～10（i）分別為系統(tǒng)在不同時刻下重建的深度圖以及三維圖像。從圖中可以看出，快照式光譜-光場成像系統(tǒng)很好地重建了動態(tài)目標的空間三維信息。同時，為了驗證系統(tǒng)的再聚焦能力，在后期信息重建的過程中分別將系統(tǒng)聚焦在450 mm和850 mm。圖10（j）～10（m）分別為系統(tǒng)在不同時刻下聚焦到450 mm（上行）以及850 mm（下行）處的圖像。從圖中可以清晰地看出，快照式光譜-光場成像系統(tǒng)具有很好的再聚焦能力，展示了本系統(tǒng)記錄光線傳播角度(θ，φ)的能力。

快照式光譜-光場成像系統(tǒng)能夠獲取目標場景豐富的光譜信息，因此該系統(tǒng)對色彩的識別能力遠優(yōu)于RGB相機。如圖11（a）和11（c）所示，綠色紙片和綠葉的顏色十分接近，所以兩者之間的對比度在系統(tǒng)重建的全色圖像以及高清的RGB圖像中都很低。圖11（b）為圖11（a）中A，B兩點的光譜密度曲線，其中A點和B點分別位于綠色紙片以及綠葉上。從圖11（b）可以看出，由于葉綠素在近紅外波段的吸收特性，A，B兩點的光譜密度曲線之間具有很大的差異。這種現(xiàn)象被稱為同色異譜現(xiàn)象，即在某一光照條件下，顏色相同的兩種物體具有不同的光譜曲線。此時，人眼以及RGB相機很難將這兩種物體區(qū)分開來，但由于快照式光譜-光場成像技術具有多維成像能力，在它獲取的光譜立方體中取某一特征波段的光譜切片，即可清晰地分辨出同色異譜的物體。圖11（d）為系統(tǒng)重建的光譜立方體在728 nm處的光譜切片，從圖中可以清晰地分辨出L形紙片的邊緣，綠葉區(qū)域的亮度明顯高于紙片的亮度。與之相反，在圖11（e）所示的673.9 nm光譜切片中，綠葉區(qū)域的亮度低于紙片的亮度。

4 結(jié) 論

本文提出了一種快照式光譜-光場成像方法，使用單個探測器實現(xiàn)了對目標場景光譜-光場信息的快速獲取。該方法將聚焦光場成像結(jié)構(gòu)引入到SHIFT光譜儀中，可獲取目標場景的空間(x，y，z)、光線傳播角度(θ，φ)、光譜(λ)以及時間(t)等七維信息，大大提高了成像系統(tǒng)獲取信息的能力。本系統(tǒng)具有多維成像能力，可廣泛地應用在生物分析、遙感、機器視覺等領域。

目前，快照式光場光譜成像系統(tǒng)大多依賴于多探測器陣列。它們通過在相機陣列前放置濾波片來獲得光譜信息，這限制了系統(tǒng)的光通量，并且光通量與光譜通道數(shù)成反比。得益于傅里葉變換成像光譜儀的多重優(yōu)勢，本系統(tǒng)不存在這樣的問題。此外，通過使用不同的沃拉斯頓棱鏡、微透鏡陣列，本系統(tǒng)可以靈活地調(diào)整系統(tǒng)的橫向分辨率、深度分辨率和光譜分辨率。

由于本系統(tǒng)包含兩個偏振片，系統(tǒng)的光通量較低。在未來工作中我們將使用偏振分束器取代系統(tǒng)中的第一個起偏器。穿過偏振分束器的光線進入原系統(tǒng)，偏振分束器反射的光線則接入另一個CCD，從而額外獲得目標場景的高分辨率單色圖像。該單色高分辨率圖像可與原系統(tǒng)的較低橫向分辨率圖像進行融合，進而提高整個系統(tǒng)的橫向分辨力。