stringtranslate.com

Мультиспектральная съемка

Видео SDO, на котором одновременно показаны участки Солнца на разных длинах волн.
Многоспектральное изображение части реки Миссисипи , полученное путем объединения трех изображений, полученных на разных номинальных длинах волн (800 нм/инфракрасный, 645 нм/красный и 525 нм/зеленый) Аполлоном- 9 в 1969 году.
Мультиспектральное изображение кратера Бек и его лучевой системы на поверхности Меркурия , полученное MESSENGER , совмещающим изображения на длинах волн 996, 748, 433 нм. Яркие желтые пятна в других частях изображения являются впадинами .

Многоспектральная съемка захватывает данные изображения в определенных диапазонах длин волн по всему электромагнитному спектру . Длины волн могут быть разделены фильтрами или обнаружены с использованием инструментов, которые чувствительны к определенным длинам волн, включая свет с частотами за пределами видимого диапазона света (т. е. инфракрасный и ультрафиолетовый ). Это может позволить извлечь дополнительную информацию, которую человеческий глаз не может уловить с его видимыми рецепторами для красного, зеленого и синего цветов . Первоначально она была разработана для военной идентификации целей и разведки. Ранние космические платформы визуализации включали технологию многоспектральной съемки [1] для картирования деталей Земли, связанных с прибрежными границами, растительностью и рельефом. [2] Многоспектральная съемка также нашла применение в анализе документов и картин. [3] [4]

Мультиспектральная визуализация измеряет свет в небольшом количестве (обычно от 3 до 15) спектральных полос . Гиперспектральная визуализация является особым случаем спектральной визуализации, где часто доступны сотни смежных спектральных полос. [5]

Использование спектрального диапазона

Для разных целей могут использоваться разные комбинации спектральных полос. Обычно они представлены красным, зеленым и синим каналами. Сопоставление полос с цветами зависит от цели изображения и личных предпочтений аналитиков. Тепловое инфракрасное излучение часто исключается из рассмотрения из-за плохого пространственного разрешения, за исключением специальных целей.

Используется много других комбинаций. NIR часто отображается красным цветом, в результате чего покрытые растительностью области кажутся красными.

Типичные спектральные полосы

Длины волн являются приблизительными; точные значения зависят от конкретных приборов (например, характеристик датчиков спутника для наблюдения за Землей, характеристик освещения и датчиков для анализа документов):

Классификация

В отличие от других работ по интерпретации аэрофотоснимков и спутниковых изображений , эти многоспектральные изображения не позволяют легко идентифицировать тип объекта путем визуального осмотра. Поэтому данные дистанционного зондирования должны быть сначала классифицированы, а затем обработаны различными методами улучшения данных, чтобы помочь пользователю понять объекты, присутствующие на изображении.

Такая классификация является сложной задачей, которая включает в себя строгую проверку обучающих выборок в зависимости от используемого алгоритма классификации. Методы можно сгруппировать в основном в два типа.

Контролируемая классификация использует обучающие образцы. Обучающие образцы — это области на земле, для которых есть истина , то есть то, что известно. Спектральные сигнатуры обучающих областей используются для поиска похожих сигнатур в оставшихся пикселях изображения, и мы будем классифицировать соответствующим образом. Такое использование обучающих образцов для классификации называется контролируемой классификацией. Экспертные знания очень важны в этом методе, поскольку выбор обучающих образцов и предвзятый выбор могут плохо повлиять на точность классификации. Популярные методы включают принцип максимального правдоподобия и сверточную нейронную сеть . Принцип максимального правдоподобия вычисляет вероятность принадлежности пикселя классу (т. е. признаку) и относит пиксель к его наиболее вероятному классу. Более новые методы на основе сверточных нейронных сетей [6] учитывают как пространственную близость, так и целые спектры для определения наиболее вероятного класса.

В случае неконтролируемой классификации не требуется никаких предварительных знаний для классификации признаков изображения. Наблюдается естественная кластеризация или группировка значений пикселей (т. е. уровней серого пикселей). Затем определяется порог для принятия количества классов в изображении. Чем меньше пороговое значение, тем больше будет классов. Однако за пределами определенного предела один и тот же класс будет представлен в разных классах в том смысле, что представлена ​​вариация в классе. После формирования кластеров выполняется проверка истинности для определения класса, к которому принадлежит пиксель изображения. Таким образом, в этой неконтролируемой классификации априорная информация о классах не требуется. Одним из популярных методов неконтролируемой классификации является кластеризация k-средних .

Программное обеспечение для анализа данных

Приложения

Отслеживание военных целей

Многоспектральная визуализация измеряет световое излучение и часто используется для обнаружения или отслеживания военных целей. В 2003 году исследователи из Исследовательской лаборатории армии США и Федерального лабораторного технологического альянса сообщили о двухдиапазонной многоспектральной решетке фокальной плоскости (FPA). Эта FPA позволила исследователям одновременно смотреть на две инфракрасные (ИК) плоскости. [9] Поскольку технологии средневолнового инфракрасного (MWIR) и длинноволнового инфракрасного (LWIR) измерения излучения, присущего объекту, не требуют внешнего источника света, их также называют методами тепловидения .

Яркость изображения, создаваемого тепловизором, зависит от излучательной способности и температуры объекта. [10]   Каждый материал имеет инфракрасную сигнатуру , которая помогает в идентификации объекта. [11] Эти сигнатуры менее выражены в гиперспектральных системах (которые формируют изображение в гораздо большем количестве диапазонов, чем многоспектральные системы), а также при воздействии ветра и, что еще более существенно, дождя. [11] Иногда поверхность цели может отражать инфракрасную энергию. Это отражение может неверно истолковать истинное значение собственного излучения объекта. [12] Системы визуализации, использующие технологию MWIR, лучше работают с солнечными отражениями на поверхности цели и создают более четкие изображения горячих объектов, таких как двигатели, по сравнению с технологией LWIR. [13] Однако LWIR лучше работает в туманных условиях, таких как дым или туман, поскольку на более длинных волнах происходит меньше рассеивания . [10] Исследователи утверждают, что двухдиапазонные технологии объединяют эти преимущества, чтобы предоставить больше информации из изображения, особенно в области отслеживания цели. [9]

Для обнаружения целей в ночное время тепловизионная съемка превзошла однополосную многоспектральную съемку. Двухдиапазонная технология MWIR и LWIR обеспечила лучшую визуализацию в ночное время, чем только MWIR. Цитата Цитата. Армия США сообщает, что ее двухдиапазонная система LWIR/MWIR FPA продемонстрировала лучшую визуализацию тактических транспортных средств, чем только MWIR, после отслеживания их днем ​​и ночью. [ необходима цитата ]

Обнаружение наземных мин

Анализируя излучательную способность земных поверхностей, многоспектральная съемка может обнаружить наличие подземных ракет. Поверхностный и подповерхностный грунт обладают различными физическими и химическими свойствами, которые проявляются в спектральном анализе. [11] Нарушенная почва имеет повышенную излучательную способность в диапазоне длин волн от 8,5 до 9,5 микрометров, при этом не демонстрируя никаких изменений на длинах волн более 10 микрометров. [9] Двойной MWIR/LWIR FPA Исследовательской лаборатории армии США использовал «красные» и «синие» детекторы для поиска областей с повышенной излучательной способностью. Красный детектор действует как фон, проверяя области ненарушенных участков почвы, поскольку он чувствителен к длине волны 10,4 микрометра. Синий детектор чувствителен к длине волны 9,3 микрометра. Если интенсивность синего изображения изменяется при сканировании, эта область, вероятно, нарушена . Ученые сообщили, что слияние этих двух изображений повысило возможности обнаружения. [9]

Обнаружение баллистических ракет

Перехват межконтинентальной баллистической ракеты (МБР) на этапе ее разгона требует визуализации твердого тела, а также ракетных шлейфов. MWIR представляет сильный сигнал от сильно нагретых объектов, включая ракетные шлейфы, в то время как LWIR создает излучение от материала корпуса ракеты. Исследовательская лаборатория армии США сообщила, что с помощью их двухдиапазонной технологии MWIR/LWIR отслеживание расходуемых пусковых установок Atlas 5 Evolved Expendable Launch Vehicles, схожих по конструкции с МБР, зафиксировало как корпус ракеты, так и ее оперение. [9]

Космическая съемка

Большинство радиометров для дистанционного зондирования (ДЗ) получают многоспектральные изображения. Разделяя спектр на множество полос, многоспектральный является противоположностью панхроматического , который регистрирует только общую интенсивность излучения, падающего на каждый пиксель . [14] Обычно спутники наблюдения Земли имеют три или более радиометров . Каждый получает одно цифровое изображение (в дистанционном зондировании называемое «сценой») в небольшой спектральной полосе. Полосы группируются в области длин волн на основе происхождения света и интересов исследователей.

Прогноз погоды

Современные метеорологические спутники создают изображения в различных спектрах. [15]

Мультиспектральная визуализация объединяет от двух до пяти спектральных диапазонов визуализации относительно большой полосы пропускания в одну оптическую систему. Мультиспектральная система обычно обеспечивает комбинацию видимого (от 0,4 до 0,7 мкм), ближнего инфракрасного (NIR; от 0,7 до 1 мкм), коротковолнового инфракрасного (SWIR; от 1 до 1,7 мкм), средневолнового инфракрасного (MWIR; от 3,5 до 5 мкм) или длинноволнового инфракрасного (LWIR; от 8 до 12 мкм) диапазонов в одну систему. — Валери К. Коффи [16]

В случае спутников Landsat использовались несколько различных обозначений диапазонов, вплоть до 11 диапазонов ( Landsat 8 ), составляющих многоспектральное изображение. [17] [18] [19] Спектральное изображение с более высоким радиометрическим разрешением (включающее сотни или тысячи диапазонов), более точным спектральным разрешением (включающее меньшие диапазоны) или более широким спектральным покрытием можно назвать гиперспектральным или ультраспектральным. [19]

Документы и произведения искусства

Мультиспектральная съемка может быть использована для исследования картин и других произведений искусства. [3] Картина облучается ультрафиолетовыми , видимыми и инфракрасными лучами, а отраженное излучение регистрируется камерой, чувствительной в этой области спектра. Изображение также может быть зарегистрировано с использованием прошедшего вместо отраженного излучения. В особых случаях картина может быть облучена УФ- , видимыми или ИК-лучами, а также может быть зарегистрирована флуоресценция пигментов или лаков . [20]

Мультиспектральный анализ помог в интерпретации древних папирусов , таких как найденные в Геркулануме , путем визуализации фрагментов в инфракрасном диапазоне (1000 нм). Часто текст на документах кажется невооруженным глазом как черные чернила на черной бумаге. При 1000 нм разница в том, как бумага и чернила отражают инфракрасный свет, делает текст четко читаемым. Он также использовался для визуализации палимпсеста Архимеда путем визуализации пергаментных листьев в полосах пропускания от 365 до 870 нм, а затем с помощью передовых методов цифровой обработки изображений для выявления подтекста в работе Архимеда. [21] Мультиспектральная визуализация использовалась в проекте Фонда Меллона в Йельском университете для сравнения чернил в средневековых английских рукописях. [4]

Мультиспектральная визуализация также использовалась для изучения обесцвечивания и пятен на старых книгах и рукописях. Сравнение «спектрального отпечатка» пятна с характеристиками известных химических веществ может позволить идентифицировать пятно. Этот метод использовался для изучения медицинских и алхимических текстов, поиска намеков на деятельность ранних химиков и возможных химических веществ, которые они могли использовать в своих экспериментах. Подобно повару, просыпающему муку или уксус на кулинарную книгу, ранний химик мог оставить ощутимые доказательства на страницах ингредиентов, используемых для приготовления лекарств. [22]

Смотрите также

Ссылки

  1. ^ RA Schowengerdt. Дистанционное зондирование: Модели и методы обработки изображений, Academic Press, 3-е изд., (2007)
  2. ^ "13. Обработка многоспектральных изображений | Природа географической информации". www.e-education.psu.edu . Получено 14.11.2019 .
  3. ^ ab Baronti, A. Casini, F. Lotti и S. Porcinai, Система многоспектральной визуализации для картирования пигментов в произведениях искусства с использованием анализа главных компонент, Applied Optics Vol. 37, Issue 8, pp. 1299–1309 (1998)
  4. ^ ab Weiskott, Eric. «Мультиспектральная визуализация и средневековые рукописи». В The Routledge research companion to digital medieval literature . Boyle, Jennifer E., and Helen J. Burgess. London: Routledge. Pp. 186–96.
  5. ^ Хаген, Натан; Куденов, Майкл В. (2013). «Обзор технологий спектральной визуализации моментальных снимков». Optical Engineering . 52 (9): 090901. Bibcode :2013OptEn..52i0901H. doi : 10.1117/1.OE.52.9.090901 .
  6. ^ Ран, Линянь; Чжан, Яньнин; Вэй, Вэй; Чжан, Цилинь (2017-10-23). ​​«Структура классификации гиперспектральных изображений с пространственными характеристиками пар пикселей». Датчики . 17 (10): 2421. Bibcode : 2017Senso..17.2421R. doi : 10.3390/s17102421 . PMC 5677443. PMID  29065535 . 
  7. ^ Биль, Ларри; Ландгребе, Дэвид (2002-12-01). «MultiSpec: инструмент для анализа данных мультиспектральных—гиперспектральных изображений». Компьютеры и науки о Земле . 28 (10): 1153–1159. Bibcode :2002CG.....28.1153B. doi :10.1016/S0098-3004(02)00033-X . Получено 28.04.2017 .
  8. ^ Jordan, Johannes; Angelopoulou, Elli (2010). "Gerbil - новая программная среда для визуализации и анализа в многоспектральной области". В Reinhard Koch (ред.). Vision, Modeling, and Visualization . The Eurographics Association. doi :10.2312/PE/VMV/VMV10/259-266. ISBN 978-3-905673-79-1.
  9. ^ abcde Goldberg, A.; Stann, B.; Gupta, N. (июль 2003 г.). «Исследования многоспектральной, гиперспектральной и трехмерной визуализации в Исследовательской лаборатории армии США» (PDF). Труды Международной конференции по международному синтезу [6-я] . 1: 499–506.
  10. ^ ab "Primer on IR theory". Opto Engineering . Получено 2018-08-15 .
  11. ^ abc Makki, Ihab; Younes, Rafic; Francis, Clovis; Bianchi, Tiziano; Zucchetti, Massimo (2017-02-01). «Обзор обнаружения мин с использованием гиперспектральной визуализации» (PDF) . Журнал фотограмметрии и дистанционного зондирования ISPRS . 124 : 40–53. Bibcode :2017JPRS..124...40M. doi :10.1016/j.isprsjprs.2016.12.009. ISSN  0924-2716.
  12. ^ Ли, Нин; Чжао, Юнцян; Пан, Куан; Конг, Сон Г. (2018-06-25). «Удаление отражений в LWIR-изображении с помощью поляризационных характеристик». Optics Express . 26 (13): 16488–16504. Bibcode : 2018OExpr..2616488L. doi : 10.1364/OE.26.016488 . ISSN  1094-4087. PMID  30119479.
  13. ^ Нгуен, Чуонг; Хавличек, Джозеф; Фань, Гуолян; Колфилд, Джон; Паттичис, Мариос (ноябрь 2014 г.). «Надежное двухдиапазонное инфракрасное отслеживание целей в диапазоне MWIR/LWIR». 48-я Асиломарская конференция по сигналам, системам и компьютерам, 2014 г. стр. 78–83. doi :10.1109/ACSSC.2014.7094401. ISBN 978-1-4799-8297-4. S2CID  9071883.
  14. ^ "3.1.1. Мультиспектральные и панхроматические изображения". Проект STARS . Получено 14 мая 2018 г.
  15. ^ Беллерби, Тим; Тодд, Мартин; Найвтон, Дом; Кидд, Крис (2001). «Оценка количества осадков с помощью комбинации радара осадков TRMM и многоспектральных спутниковых изображений GOES с использованием искусственной нейронной сети». Журнал прикладной метеорологии . 40 (12): 2115. doi : 10.1175/1520-0450(2001)040<2115:REFACO>2.0.CO;2 . ISSN  1520-0450. S2CID  119747098.
  16. ^ Коффи, Валери С. (1 апреля 2012 г.). «Мультиспектральная визуализация становится мейнстримом». Optics and Photonics News . 23 (4): 18. doi :10.1364/OPN.23.4.000018 . Получено 14 мая 2018 г.
  17. ^ «Каковы обозначения диапазонов для спутников Landsat?». Геологическая служба США . Архивировано из оригинала 22 января 2017 г. Получено 25 апреля 2018 г.
  18. ^ Гролье, Морис Дж.; Тиббитс-младший, Г. Чейз; Ибрагим, Мохаммед Мукред (1984). Качественная оценка гидрологии Йеменской Арабской Республики по снимкам Landsat Water Supply Paper 1757-P. USGPO, стр. 19. Получено 14 мая 2018 г.
  19. ^ ab Tatem, Andrew J.; Goetz, Scott J.; Hay, Simon I. (2008). «Пятьдесят лет спутников наблюдения за Землей». American Scientist . 96 (5): 390–398. doi :10.1511/2008.74.390. PMC 2690060. PMID  19498953 . 
  20. ^ Мультиспектральная съемка в ColourLex
  21. ^ "Мультиспектральная съемка палимпсеста Архимеда". Проект палимпсеста Архимеда . Получено 17 сентября 2015 г.
  22. ↑ Avril, Tom (14 мая 2018 г.). «Сканирование раскрывает секреты средневековой книги «Гарри Поттер» и медицинских текстов в Пенсильвании». The Philadelphia Inquirer . Получено 14 мая 2018 г.

Дальнейшее чтение

Внешние ссылки