Мультиспектральная визуализация фиксирует данные изображения в определенных диапазонах длин волн электромагнитного спектра . Длины волн могут быть разделены фильтрами или обнаружены с использованием приборов, чувствительных к определенным длинам волн, включая свет с частотами за пределами диапазона видимого света , т.е. инфракрасного и ультрафиолетового диапазона . Это может позволить извлекать дополнительную информацию, которую человеческий глаз не может уловить своими видимыми рецепторами красного, зеленого и синего . Первоначально он был разработан для идентификации и разведки военных целей. Первые космические платформы визуализации включали технологию мультиспектральной визуализации [1] для картирования деталей Земли, связанных с прибрежными границами, растительностью и формами рельефа. [2] Мультиспектральная визуализация также нашла применение при анализе документов и картин. [3] [4]
Мультиспектральная визуализация измеряет свет в небольшом количестве (обычно от 3 до 15) спектральных диапазонов . Гиперспектральная визуализация — это особый случай спектральной визуализации, при котором часто доступны сотни смежных спектральных полос. [5]
Для разных целей могут использоваться разные комбинации спектральных диапазонов. Обычно они представлены красным, зеленым и синим каналами. Сопоставление полос с цветами зависит от цели изображения и личных предпочтений аналитиков. Тепловое инфракрасное излучение часто не учитывается из-за плохого пространственного разрешения, за исключением специальных целей.
Используются многие другие комбинации. БИК часто отображается красным, из-за чего покрытые растительностью участки кажутся красными.
Длины волн приблизительны; точные значения зависят от конкретных приборов (например, характеристик спутниковых датчиков для наблюдения Земли, характеристик освещенности и датчиков для анализа документов):
В отличие от других работ по интерпретации аэрофотосъемок и спутниковых изображений , эти мультиспектральные изображения не позволяют легко определить тип объекта путем визуального осмотра. Следовательно, данные дистанционного зондирования должны быть сначала классифицированы, а затем обработаны с помощью различных методов улучшения данных, чтобы помочь пользователю понять особенности, присутствующие на изображении.
Такая классификация представляет собой сложную задачу, которая предполагает строгую проверку обучающих выборок в зависимости от используемого алгоритма классификации. Техники можно разделить в основном на два типа.
Контролируемая классификация использует обучающие выборки. Обучающие выборки — это области на местности, для которых существует основная истина , то есть то, что там известно. Спектральные сигнатуры обучающих областей используются для поиска подобных сигнатур в остальных пикселях изображения, и мы соответствующим образом классифицируем их. Такое использование обучающих выборок для классификации называется контролируемой классификацией. Экспертные знания очень важны в этом методе, поскольку выбор обучающих выборок и необъективный отбор могут плохо повлиять на точность классификации. Популярные методы включают принцип максимального правдоподобия и сверточную нейронную сеть . Принцип максимального правдоподобия вычисляет вероятность принадлежности пикселя к классу (т. е. объекту) и относит пиксель к его наиболее вероятному классу. Более новые методы, основанные на сверточных нейронных сетях [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 особенностей изображения. Наблюдается естественная кластеризация или группировка значений пикселей, т.е. уровни серого пикселей. Затем определяется порог для принятия количества классов в изображении. Чем тоньше 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 представлены вариации в классе. После формирования кластеров выполняется основная 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 по k-средним .
Мультиспектральная визуализация измеряет излучение света и часто используется для обнаружения или отслеживания военных целей. В 2003 году исследователи из Исследовательской лаборатории армии США и Альянса технологий совместной работы федеральных лабораторий сообщили о двухдиапазонной решетке мультиспектральной визуализации в фокальной плоскости (FPA). Этот FPA позволил исследователям одновременно смотреть в две инфракрасные (ИК) плоскости. [9] Поскольку технологии средневолнового инфракрасного (MWIR) и длинноволнового инфракрасного (LWIR) измерения измеряют излучение, присущее объекту, и не требуют внешнего источника света, их также называют методами тепловидения .
Яркость изображения, получаемого тепловизором, зависит от излучательной способности объектов и температуры. [10] Каждый материал имеет инфракрасную сигнатуру , которая помогает идентифицировать объект. [11] Эти признаки менее выражены в гиперспектральных системах (которые отображают гораздо больше диапазонов, чем в мультиспектральных системах) и при воздействии ветра и, что более важно, дождя. [11] Иногда поверхность цели может отражать инфракрасную энергию. Это отражение может неверно истолковать истинное значение собственного излучения объектов. [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 туманной среде, такой как дым или туман, поскольку на более длинных волнах происходит меньшее рассеяние . [10] Исследователи утверждают, что двухдиапазонные технологии объединяют эти преимущества, чтобы предоставить больше информации из изображения, особенно в области отслеживания целей. [9]
Для обнаружения целей в ночное время тепловидение превосходит однодиапазонное многоспектральное изображение. Двухдиапазонная технология MWIR и LWIR обеспечила лучшую визуализацию в ночное время, чем только MWIR. Цитирование Цитирование. Армия США сообщает, что ее двухдиапазонный LWIR/MWIR FPA продемонстрировал лучшую визуализацию тактических транспортных средств, чем только MWIR, после отслеживания их как днем, так и ночью. [ нужна цитата ]
Анализируя излучательную способность земных поверхностей, мультиспектральная визуализация может обнаружить присутствие подземных ракет. Поверхностные и подземные почвы обладают разными физическими и химическими свойствами, которые проявляются при 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 нетронутых участков почвы, поскольку он чувствителен к длине волны 10,4 микрометра. Синий детектор чувствителен к длинам волн 9,3 микрометра. Если интенсивность синего изображения меняется при сканировании, скорее всего, эта область повреждена . Ученые сообщили, что объединение этих двух изображений увеличило возможности обнаружения. [9]
Для перехвата межконтинентальной баллистической ракеты (МБР) на этапе разгона требуется визуализация твердого тела, а также шлейфов ракеты. MWIR представляет сильный сигнал от сильно нагретых объектов, включая шлейфы ракет, тогда как LWIR производит выбросы из материала корпуса ракеты. Научно-исследовательская лаборатория армии США сообщила, что с помощью их двухдиапазонной технологии MWIR/LWIR отслеживание одноразовых ракет-носителей Atlas 5 Evolved, аналогичных по конструкции межконтинентальным баллистическим ракетам, захватывает как корпус ракеты, так и оперение. [9]
Большинство радиометров дистанционного зондирования (ДЗ) получают мультиспектральные изображения. Разделяя спектр на множество полос, мультиспектральный является противоположностью панхроматического , который фиксирует только суммарную интенсивность излучения, падающего на каждый пиксель . [14] Обычно спутники наблюдения Земли имеют три и более радиометров . Каждый получает одно цифровое изображение (в дистанционном зондировании, называемое «сценой») в небольшом спектральном диапазоне. Полосы сгруппированы в диапазоны длин волн в зависимости от происхождения света и интересов исследователей.
Современные метеорологические спутники создают изображения в различных спектрах. [15]
Мультиспектральная визуализация объединяет от двух до пяти спектральных диапазонов визуализации с относительно широкой полосой пропускания в единую оптическую систему. Мультиспектральная система обычно обеспечивает комбинацию видимого (0,4–0,7 мкм), ближнего инфракрасного (NIR; 0,7–1 мкм), коротковолнового инфракрасного (SWIR; 1–1,7 мкм) и средневолнового инфракрасного диапазона (MWIR; 3,5–5). мкм) или длинноволновых инфракрасных (LWIR; от 8 до 12 мкм) диапазонов в единую систему. - Валери К. Коффи [16]
В случае спутников Landsat использовалось несколько различных обозначений диапазонов, при этом целых 11 диапазонов ( Landsat 8 ) составляли мультиспектральное изображение. [17] [18] [19] Спектральные изображения с более высоким радиометрическим разрешением (с участием сотен или тысяч полос), более тонким спектральным разрешением (с участием меньших полос) или более широким спектральным охватом можно назвать гиперспектральными или ультраспектральными. [19]
Мультиспектральную визуализацию можно использовать 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 картину можно облучать УФ- , видимыми или ИК-лучами и регистрировать флуоресценцию пигментов или лаков . [20]
Мультиспектральный анализ помог интерпретировать древние папирусы , например, найденные в Геркулануме , путем визуализации фрагментов в инфракрасном диапазоне (1000 нм). Часто текст документов невооруженным глазом выглядит как черные чернила на черной бумаге. Разница в том, как бумага и чернила отражают инфракрасный свет при длине волны 1000 нм, делает текст четко читаемым. Он также использовался для изображения палимпсеста Архимеда путем визуализации листьев пергамента в полосе пропускания от 365 до 870 нм, а затем с использованием передовых методов цифровой обработки изображений, чтобы выявить подтекст в работах 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 изменений цвета 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 в поисках подсказок о деятельности ранних химиков и возможных химических веществах, которые они могли использовать в своих экспериментах. Подобно повару, проливающему муку или уксус в кулинарную книгу, древний химик мог оставить на страницах вещественные доказательства ингредиентов, используемых для изготовления лекарств. [22]
{{cite book}}
: |journal=
игнорируется ( помощь )