王绪泉助理教授关于可见-短波红外跨谱段高光谱成像系统优化的研究成果发表于《光学与激光技术》
高光谱成像能够同时获取目标的空间信息和连续光谱信息，在精准农业、工业材料分选、食品安全等领域具有重要应用价值。可见-近红外-短波红外（VIS-NIR-SWIR）跨谱段高光谱成像得益于宽谱连续探测，能够获取更加丰富的光谱特征信息。当前，跨谱段高光谱成像通常采用多系统拼接方案，不仅结构复杂、成本较高，而且不同系统之间容易产生几何配准误差等问题。相比之下，单光路集成的跨谱段高光谱成像系统具有结构简单、体积小、不同谱段几何一致性好等优势，但受探测器量子效率、分光元件效率以及光源光谱特性等因素制约，在边缘波段仍存在信噪比较低等问题。
针对上述问题，同济大学精密光学工程技术研究所王绪泉助理教授联合医学院孙涛教授，提出了一种基于光谱先验引导混合全局-局部模型（SP-HGL）的硬件-算法协同优化方法。该方法将传统依赖硬件提升边缘波段响应的问题转化为计算成像中的跨谱段信息重建任务，在不改变现有探测器和光学系统的条件下，利用高信噪比谱段与光谱先验知识实现对缺陷波段的算法补偿，为跨谱段高光谱成像系统的小型化、低成本设计提供了新的技术路径。
针对团队自主研制的400–1700 nm单光路单探测器跨谱段高光谱成像系统（SS-CBHSI），研究团队提出的SP-HGL模型融合了卷积神经网络（CNN）的局部光谱特征提取能力和Transformer的长距离跨谱段相关性建模能力，并通过自适应门控机制动态调节两类特征的贡献。研究团队通过高精度地物光谱仪采集不同材料的完整反射光谱，构建了覆盖400–1700 nm的光谱先验库，为跨谱段非线性映射提供先验知识。在此基础上，以信号质量较高的600–1700 nm光谱作为输入，以完整400–1700 nm的512个波段作为输出，完成模型训练。
实验结果表明，SP-HGL能够有效恢复样品的空间轮廓和光谱细节，将缺陷波段的平均信噪比由1.8提升至4.9；在包含多种材料的混合场景中，重建光谱的决定系数（R²）达到0.9926。模型决策过程的可视化结果进一步表明，SP-HGL能够同时利用相邻波段之间的局部连续性以及远距离谱段之间的全局相关性，实现跨谱段信息重建。
图1基于硬件-算法集成的跨波段高光谱成像系统框架图
图2四种模型重建过程的Jacobian显著性图可视化
该研究成果以“Optimization of VIS-SWIR cross-band hyperspectral imaging system based on spectral prior guided hybrid model”为题发表在物理与天体物理二区TOP期刊《光学与激光技术》（Optics & Laser Technology）上。该工作获国家自然科学基金（62305250）资助。
论文链接： https://doi.org/10.1016/j.optlastec.2026.116101
