The Coded Aperture Snapshot Spectral Imaging system (CAS SI) is a remarkable optical imaging architecture, which senses the spectral information of a three dimensional scene by using two-dimensional coded focal plane array (FPA) projections. The projections in CASSI are localized such that each measurement contains spectral information only from a specific spatial region of the data cube. Spatial resolution in CASSI is highly dependent on the resolution the FPA detector exhibits; hence, high-resolution images require high-resolution detectors that demand high costs. To overcome this problem, in this paper is proposed an optical model for spatial superresolution imaging called SR-CASSI. Spatial super-resolution is attained as an inverse problem from a set of low-resolution coded measurements by using a compressive sensing (CS) reconstruction algorithm. This model allows the reconstruction of spatially super-resolved hyper-spectral data cubes, where the spatial resolution is significantly enhanced. Simulation results show an improvement of up to 8 dB in PSNR when the proposed model is used.
El sistema de adquisición de imágenes espectrales basado en apertura codificada de única captura (CASSI) es una arquitectura óptica notable, que permite capturar la información espectral de una escena utilizando proyecciones bidimensionales codificadas. Las proyecciones en CASSI se encuentran ubicadas de tal manera, que cada medición contiene únicamente información espectral específica de una región del cubo de datos. La resolución espacial en el sistema CASSI depende altamente de la resolución del detector utilizado; así, imágenes de alta resolución requieren detectores de alta resolución, que a su vez demandan altos costos. Como solución a este problema, en éste artículo se propone un modelo óptico de súper-resolución para el mejoramiento de la resolución espacial de imágenes hiperespectrales denominado SR-CASSI. Súper-resolución espacial se logra tras solucionar un problema inverso utilizando un algoritmo de compressive sensing (CS), que tiene como entrada las mediciones codificadas de baja resolución capturadas. Éste modelo permite la reconstrucción de cubos de datos hiperespectrales súper resueltos, cuya resolución espacial es aumentada significativamente. Los resultados de las simulaciones muestran un mejoramiento de más de 8 dB en PSNR cuando el modelo propuesto es utilizado.