Spectral image generation through generative adversarial networks using RGB images

La obtención de imágenes espectrales consiste en capturar y procesar la radiación electromagnética que luego se almacena como una imagen. Se adquieren mediante métodos de escaneo o imágenes espectrales compresivas (CSI), y aunque su uso es amplio en aprendizaje profundo para tareas como reconstrucción, clasificación o detección de anomalías, la captura de estas imágenes es desafiante por sus limitaciones físicas y costos elevados. Esta investigación propone generar imágenes espectrales mediante redes generativas adversarias (GAN) utilizando imágenes RGB. Para ello, un modelo generador, entrenado con ruido aleatorio, produce imágenes espectrales. Estas imágenes se procesan con una función de respuesta espectral que las mapea en RGB, y luego un modelo discriminador evalúa si la imagen mapeada es real o falsa. Se propone además una regularización implícita que emplea un modelo preentrenado con imágenes espectrales reales para asegurar la calidad de las imágenes generadas. Posteriormente, se aplica una normalización de banda espectral en el posprocesamiento. Finalmente, las imágenes generadas son validadas a través de una estrategia de aumento de datos en la tarea de CSI, donde se comprueba que unas pocas imágenes espectrales reales pueden mejorar el rendimiento del método CSI en la reconstrucción.