stringtranslate.com

Мультиспектральная визуализация

Видео SDO, одновременно показывающее участки Солнца на разных длинах волн.
Мультиспектральное 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) с корабля «Аполлон-9» в 1969 году.
Мультиспектральное изображение кратера Бек и его лучевой системы на поверхности Меркурия , полученное аппаратом MESSENGER , объединившим изображения на длинах волн 996, 748, 433 нм. Ярко-желтые пятна в других частях изображения представляют собой впадины .

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]

Использование спектрального диапазона

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.

Типичные спектральные полосы

Длины волн приблизительны; точные значения зависят от конкретных приборов (например, характеристик спутниковых датчиков для наблюдения Земли, характеристик освещенности и датчиков для анализа документов):

Классификация

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 .

Программное обеспечение для анализа данных

Приложения

Отслеживание военных целей

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 ]

Обнаружение наземных мин

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]

Обнаружение баллистических ракет

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]

Космическая съемка

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.

Прогноз погоды

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]

Документы и произведения искусства

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]

Смотрите также

Рекомендации

  1. ^ Р. А. Шовенгердт. 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 . Проверено 14 ноября 2019 г.
  3. ^ аб Баронти, А. Казини, Ф. Лотти и С. Порчинай, Система мультиспектральной визуализации для картирования пигментов в произведениях искусства с использованием анализа главных компонентов, Applied Optics Vol. 37, выпуск 8, стр. 1299–1309 (1998).
  4. ^ аб Вейскотт, Эрик. «Мультиспектральные изображения и средневековые рукописи». В исследовании The Routledge, посвященном цифровой средневековой литературе . Бойл, Дженнифер Э. и Хелен Дж. Берджесс. Лондон: Рутледж. Стр. 186–96.
  5. ^ Хаген, Натан; Куденов, Майкл В. (2013). «Обзор технологий спектральной визуализации моментальных снимков». Оптическая инженерия . 52 (9): 090901. Бибкод : 2013OptEn..52i0901H. дои : 10.1117/1.OE.52.9.090901 .
  6. ^ Ран, Линьян; Чжан, Яннин; Вэй, Вэй; Чжан, Цилинь (23 октября 2017 г.). «Структура классификации гиперспектральных изображений с функциями пространственных пар пикселей». Датчики . 17 (10): 2421. Бибкод : 2017Senso..17.2421R. дои : 10.3390/s17102421 . ПМЦ 5677443 . ПМИД  29065535. 
  7. ^ Биль, Ларри; Ландгребе, Дэвид (1 декабря 2002 г.). «MultiSpec: инструмент для анализа данных мультиспектральных и гиперспектральных изображений». Компьютеры и геонауки . 28 (10): 1153–1159. Бибкод : 2002CG.....28.1153B. дои : 10.1016/S0098-3004(02)00033-X . Проверено 28 апреля 2017 г.
  8. ^ Джордан, Йоханнес; Ангелопулу, Элли (2010). Gerbil — новая программная платформа для визуализации и анализа в мультиспектральной области . Том. Моделирование. дои : 10.2312/PE/VMV/VMV10/259-266. ISBN 9783905673791. {{cite book}}: |journal=игнорируется ( помощь )
  9. ^ abcde Голдберг, А.; Стэнн, Б.; Гупта, Н. (июль 2003 г.). «Исследование мультиспектральных, гиперспектральных и трехмерных изображений в Исследовательской лаборатории армии США» (PDF) . Материалы Международной конференции по международному синтезу [6-е] . 1: 499–506.
  10. ^ ab «Букварь по теории IR». Оптоинжиниринг . Проверено 15 августа 2018 г.
  11. ^ abc Макки, Ихаб; Юнес, Рафик; Фрэнсис, Кловис; Бьянки, Тициано; Зуккетти, Массимо (01 февраля 2017 г.). «Обзор обнаружения мин с использованием гиперспектральной визуализации» (PDF) . Журнал фотограмметрии и дистанционного зондирования ISPRS . 124 : 40–53. Бибкод : 2017JPRS..124...40M. дои : 10.1016/j.isprsjprs.2016.12.009. ISSN  0924-2716.
  12. ^ Ли, Нин; Чжао, Юнцян; Пан, Цюань; Конг, Сон Г. (25 июня 2018 г.). «Удаление отражений в LWIR-изображении с поляризационными характеристиками». Оптика Экспресс . 26 (13): 16488–16504. Бибкод : 2018OExpr..2616488L. дои : 10.1364/OE.26.016488 . ISSN  1094-4087. ПМИД  30119479.
  13. ^ Нгуен, Чуонг; Гавличек, Джозеф; Фань, Голян; Колфилд, Джон; Паттихис, Мариос (ноябрь 2014 г.). «Надежное двухдиапазонное инфракрасное сопровождение целей MWIR/LWIR». 2014 48-я Асиломарская конференция по сигналам, системам и компьютерам . стр. 78–83. дои : 10.1109/ACSSC.2014.7094401. ISBN 978-1-4799-8297-4. S2CID  9071883.
  14. ^ «3.1.1. Мультиспектральные и панхроматические изображения». Проект ЗВЕЗДА . Проверено 14 мая 2018 г.
  15. ^ Беллерби, Тим; Тодд, Мартин; Найвтон, Дом; Кидд, Крис (2001). «Оценка количества осадков на основе сочетания 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 К. (1 апреля 2012 г.). «Мультиспектральная визуализация становится мейнстримом». Новости оптики и фотоники . 23 (4): 18. дои :10.1364/ОПН.23.4.000018 . Проверено 14 мая 2018 г.
  17. ^ «Каковы обозначения диапазонов спутников Landsat?» Геологическая служба США . Архивировано из оригинала 22 января 2017 года . Проверено 25 апреля 2018 г.
  18. ^ Гролье, Морис Дж.; Тиббитс-младший, Дж. Чейз; Ибрагим, Мохаммед Мукред (1984). Качественная оценка гидрологии Йеменской Арабской Республики по изображениям Landsat Water Supply Paper 1757-P Автор. УСГПО с. 19 . Проверено 14 мая 2018 г.
  19. ^ аб Татем, Эндрю Дж.; Гетц, Скотт Дж.; Хэй, Саймон И. (2008). «Пятьдесят лет спутникам наблюдения Земли». Американский учёный . 96 (5): 390–398. дои : 10.1511/2008.74.390. ПМК 2690060 . ПМИД  19498953. 
  20. ^ Мультиспектральные изображения в ColourLex
  21. ^ "Мультиспектральное изображение Палимпсеста Архимеда". Проект Архимеда Палимпсеста . Проверено 17 сентября 2015 г.
  22. ↑ Аврил, Том (14 мая 2018 г.). «Сканирование раскрывает секреты средневековой книги о Гарри Поттере и медицинских текстов в Пенсильвании» . Филадельфийский исследователь . Проверено 14 мая 2018 г.

дальнейшее чтение

Внешние ссылки