Los sistemas de sensado de imágenes espectrales (CSI) capturan información tridimensional (3D) de una escena usando mediciones codificadas en dos dimensiones (2D). Estas mediciones son procesadas posteriormente por un algoritmo de optimización para obtener una estimación de la información tridimensional. La calidad de las reconstrucciones obtenidas depende altamente de la resolución del detector, cuyo costo aumenta exponencialmente a mayor resolución exhiba. Así, reconstrucciones de alta resolución son requeridas, pero a bajo costo. Este artículo propone una arquitectura óptica de sensado compresivo que utiliza un único pixel como detector para la captura y reconstrucción de imágenes hiperespectrales. Esta arquitectura óptica depende del uso de múltiples capturas de imágenes procesadas por medio de dos aperturas codificadas que varían en cada toma, y un elemento de dispersión. Diferentes simulaciones con 2 bases de datos distintas muestran resultados promisorios que permiten reconstruir una imagen hiperespectral utilizando tan solo el 30% de los vóxeles de la imagen original.
Compressive hyperspectral imaging systems (CSI) capture the threedimensional (3D) information of a scene by measuring two-dimensional (2D) coded projections in a Focal Plane Array (FPA). These projections are then exploited by means of an optimization algorithm to obtain an estimation of the underlying 3D information. The quality of the reconstructions is highly dependent on the resolution of the FPA detector, which cost grows exponentially with the resolution. High-resolution low-cost reconstructions are thus desirable. This paper proposes a Single Pixel Compressive Hyperspectral Imaging Sensor (SPHIS) to capture and reconstruct hyperspectral images. This optical architecture relies on the use of multiple snapshots of two timevarying coded apertures and a dispersive element. Several simulations with two different databases show promising results as the reliable reconstruction of a hyperspectral image can be achieved by using as few as just the 30% of its voxels.