高光谱成像技术因其可捕捉光谱“指纹”的独特能力，在工业检测、生物医疗、遥感探测等领域广泛运用。但受制于采集速度慢、数据维度高、对光照条件依赖强等瓶颈，难以兼顾空间分辨率、光谱精度与成像效率的平衡。

针对上述难题，湖南大学机器人学院、机器人视觉感知与控制技术国家工程研究中心王耀南院士团队聚焦“高效快照式光谱成像”关键技术，构建了一系列原创成像模型，融合了先验引导与低秩分解等新型算法，搭建了集硬件设计—成像建模—低维观测—高质重建于一体的光谱成像方法框架，研制出弱光照快速高光谱成像系统。

该系统可在低采样率下依然实现高保真成像，尤其适用于低照度、高通量的极端成像条件，如生物医学成像、药物快速分析等场景，显著拓展了高光谱成像技术的应用边界。

团队相继在人工智能领域国际期刊发表代表性研究成果，论文《Unsupervised Range-Nullspace Learning Prior for Multispectral Images Reconstruction》与《Flex-DLD: Deep Low-rank Decomposition Model with Flexible Priors for Hyperspectral Image Denoising and Restoration》发表于IEEE Transactions on Image Processing (TIP 2025、TIP 2024)，论文《Prior Image Guided Snapshot Compressive Spectral Imaging》发表于IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI 2023)。湖南大学为以上论文第一完成单位，2021级博士研究生陈煜嵘为第一作者，王耀南院士与湖南大学张辉教授为通讯作者。

光谱成像模型及其成像结果。

来源：机器人学院

通讯员：喻叶晴 江颖

责任编辑：周丹