Мультиспектральное изображение

Многоспектральная изображение является тот , который захватывает данные изображения в пределах определенных диапазонов длин волн через электромагнитный спектр . Длины волн могут быть разделены фильтрами или обнаружены с помощью инструментов, чувствительных к определенным длинам волн, включая свет с частотами за пределами диапазона видимого света , то есть инфракрасного и ультрафиолетового . Спектральная визуализация позволяет извлекать дополнительную информацию, которую человеческий глаз не может уловить с помощью видимых рецепторов красного, зеленого и синего цветов.. Изначально он разрабатывался для идентификации и разведки военных целей. Ранние космические платформы для получения изображений включали технологию получения мультиспектральных изображений [1] для картографирования деталей Земли, связанных с границами побережья, растительностью и формами рельефа. [2] Мультиспектральная визуализация также нашла применение при анализе документов и живописи. 4

"> Файл: мультиспектральный снимок Солнца NASA SDO, сентябрь 2011.ogvВоспроизвести медиа
Видео от SDO, на котором одновременно показаны участки Солнца на разных длинах волн.

Мультиспектральная визуализация измеряет свет в небольшом количестве (обычно от 3 до 15) спектральных диапазонов . Гиперспектральная визуализация - это частный случай спектральной визуализации, где часто доступны сотни смежных спектральных полос. [3]

Военное сопровождение целей

Мультиспектральная визуализация измеряет световое излучение и часто используется для обнаружения или отслеживания военных целей. В 2003 году исследователи из Исследовательской лаборатории армии США и Федерального альянса технологий совместной работы лабораторий сообщили о двухдиапазонной матрице фокальной плоскости (FPA) для получения мультиспектральных изображений . Этот FPA позволил исследователям одновременно смотреть на две инфракрасные (ИК) плоскости. [4] Поскольку технологии средневолнового инфракрасного (MWIR) и длинноволнового инфракрасного (LWIR) диапазона измеряют излучение, присущее объекту, и не требуют внешнего источника света, их также называют методами тепловидения .

Яркость изображения, создаваемого тепловизором, зависит от коэффициента излучения и температуры объекта . [5]   Каждый материал имеет инфракрасную подпись, которая помогает идентифицировать объект. [6] Эти сигнатуры менее выражены в гиперспектральных системах (которые отображают в гораздо большем количестве диапазонов, чем мультиспектральные системы) и при воздействии ветра и, что более существенно, дождя. [6] Иногда поверхность цели может отражать инфракрасную энергию. Это отражение может неверно истолковать истинное значение излучения, присущего объектам. [7] Системы визуализации, в которых используется технология MWIR, лучше работают с солнечными отражениями от поверхности цели и создают более четкие изображения горячих объектов, таких как двигатели, по сравнению с технологией LWIR. [8] Однако LWIR лучше работает в туманной среде, такой как дым или туман, потому что меньше рассеивание происходит в более длинных волнах. [5] Исследователи утверждают, что двухдиапазонные технологии сочетают в себе эти преимущества для получения большего количества информации с изображения, особенно в области слежения за целями. [4]

При обнаружении целей в ночное время тепловидение превосходит однополосное многоспектральное изображение. Цитирование. 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 машин, чем только MWIR, после отслеживания их как днем, так и ночью.  

Обнаружение наземных мин

Анализируя излучательную способность наземных поверхностей, многоспектральные изображения могут обнаруживать наличие подземных ракет. Поверхностные и подземные почвы обладают разными физическими и химическими свойствами, которые проявляются при спектральном анализе. [6] Нарушенная почва имеет повышенную излучательную способность в диапазоне длин волн от 8,5 до 9,5 микрометров, при этом не наблюдается изменений в длинах волн более 10 микрометров. [4] Двойной MWIR / LWIR FPA исследовательской лаборатории армии США использовал «красный» и «синий» 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. Детектор синего цвета чувствителен к длинам волн 9,3 микрометра. Если при сканировании интенсивность синего изображения изменяется, вероятно, нарушена эта область . Ученые сообщили, что объединение этих двух изображений увеличило возможности обнаружения. [4]

Обнаружение баллистических ракет

Для перехвата межконтинентальной баллистической ракеты (МБР) на этапе ее разгона требуется визуализация твердого тела, а также струй ракеты. MWIR представляет собой сильный сигнал от сильно нагретых объектов, включая ракетные шлейфы, в то время как LWIR производит выбросы от материала корпуса ракеты. Исследовательская лаборатория армии США сообщила, что с их двухдиапазонной технологией MWIR / LWIR отслеживание ракет-носителей Atlas 5 Evolved, аналогичных по конструкции межконтинентальным баллистическим ракетам, захватило как корпус ракеты, так и оперение. [4]

Космическая съемка

Большинство радиометров для дистанционного зондирования (ДЗ) получают многоспектральные изображения. Разделяя спектр на множество полос, мультиспектральный является противоположностью панхроматическому , который регистрирует только общую интенсивность излучения, падающего на каждый пиксель . [9] Обычно спутники наблюдения Земли имеют три или более радиометров . Каждый получает одно цифровое изображение (при дистанционном зондировании, называемое «сценой») в небольшом спектральном диапазоне. Полосы сгруппированы по диапазонам длин волн в зависимости от происхождения света и интересов исследователей.

Прогноз погоды

Современные метеорологические спутники создают изображения в самых разных спектрах. [10]

Мультиспектральная визуализация объединяет от двух до пяти полос спектрального изображения с относительно большой 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), средневолнового инфракрасного (MWIR; 3,5–5) мкм) или длинноволнового инфракрасного (LWIR; от 8 до 12 мкм) диапазонов в единую систему. - Валери К. Коффи [11]

В случае спутников Landsat использовалось несколько различных обозначений диапазонов, причем целых 11 диапазонов ( Landsat 8 ) составляли мультиспектральное изображение. [12] [13] [14] Спектральное изображение с более высоким радиометрическим разрешением (включая сотни или тысячи полос), более тонким спектральным разрешением (включая меньшие полосы) или более широким спектральным покрытием можно назвать гиперспектральным или ультраспектральным. [15] [14]

Документы и произведения искусства

Технология также помогла в интерпретации древних папирусов , таких как те, что были найдены в Геркулануме , путем визуализации фрагментов в инфракрасном диапазоне (1000 нм). Часто текст в документах кажется невооруженным глазом черными чернилами на черной бумаге. Разница в том, как бумага и чернила отражают инфракрасный свет при длине волны 1000 нм, делают текст легко читаемым. Он также использовался для изображения палимпсеста Архимеда путем отображения пергаментных листьев в полосе пропускания от 365 до 870 нм, а затем с использованием передовых методов цифровой обработки изображений для выявления подтекста с работами Архимеда. [16] Мультиспектральные изображения использовались в проекте Фонда Меллона в Йельском университете для сравнения чернил в средневековых английских рукописях. [17]

Мультиспектральное изображение можно использовать для исследования картин и других произведений искусства. [18] Картина облучается ультрафиолетовыми , видимыми и инфракрасными лучами, и отраженное излучение регистрируется камерой, чувствительной к этим областям спектра. Изображение также может быть зарегистрировано с использованием прошедшего, а не отраженного излучения. В особых случаях картина может быть облучены при помощи УФ, видимом или ИК - лучей и флуоресценции от пигментов или лаки могут быть зарегистрированы. [19]

Мультиспектральная визуализация также использовалась для изучения изменений цвета и пятен на старых книгах и рукописях. Сравнение «спектрального отпечатка пальца» пятна с характеристиками известных химических веществ может позволить идентифицировать пятно. Этот метод использовался для изучения медицинских и алхимических текстов в поисках подсказок о деятельности первых химиков и возможных химических веществах, которые они, возможно, использовали в своих экспериментах. Подобно повару, проливающему муку или уксус на поваренную книгу, ранний химик мог оставить на страницах материальные доказательства ингредиентов, используемых для изготовления лекарств. [20]

Длины волн указаны приблизительно; точные значения зависят от инструментов конкретного спутника:

  • Синий , 450–515..520 нм, используется для получения изображений атмосферы и глубоководья и может достигать глубины до 150 футов (50 м) в чистой воде.
  • Зеленый , 515..520–590..600 нм, используется для получения изображений растительности и глубоководных структур на глубине до 90 футов (30 м) в чистой воде.
  • Красный , 600..630–680..690 нм, используется для визуализации искусственных объектов в воде на глубине до 30 футов (9 м), в почве и растительности.
  • Ближний инфракрасный (NIR), 750–900 нм, используется в основном для получения изображений растительности.
  • Средний инфракрасный (MIR), 1550–1750 нм, используется для получения изображений растительности, влажности почвы и некоторых лесных пожаров .
  • Дальний инфракрасный диапазон (FIR), 2080–2350 нм, используется для получения изображений почвы, влажности, геологических особенностей, силикатов, глин и пожаров.
  • Тепловое инфракрасное излучение , 10400-12500 нм, использует испускаемое вместо отраженного излучения для изображения геологических структур, температурных различий в водных потоках, пожаров и для ночных исследований.
  • Радар и связанные с ним технологии полезны для картографирования местности и для обнаружения различных объектов.

Для разных целей могут использоваться разные комбинации спектральных диапазонов. Обычно они представлены красным, зеленым и синим каналами. Преобразование полос в цвета зависит от цели изображения и личных предпочтений аналитиков. Тепловой инфракрасный свет часто не учитывается из-за плохого пространственного разрешения, за исключением специальных целей.

  • True-color использует только красный, зеленый и синий каналы, сопоставленные с их соответствующими цветами. Как обычная цветная фотография, она хороша для анализа искусственных объектов и проста для понимания начинающими аналитиками.
  • Зеленый-красный-инфракрасный , где синий канал заменен на ближний инфракрасный, используется для растительности, которая имеет высокую отражающую способность в ближнем ИК-диапазоне; затем он отображается синим цветом. Эта комбинация часто используется для обнаружения растительности и маскировки.
  • Blue-NIR-MIR , где синий канал использует видимый синий цвет, зеленый использует NIR (поэтому растительность остается зеленой), а MIR отображается красным. Такие изображения позволяют увидеть глубину воды, растительный покров, влажность почвы и наличие пожаров на одном изображении.

Используются многие другие комбинации. NIR часто отображается красным цветом, в результате чего участки, покрытые растительностью, становятся красными.

В отличие от других работ по аэрофотосъемке и интерпретации спутниковых изображений , эти мультиспектральные изображения не позволяют легко определить тип объекта при визуальном осмотре. Следовательно, данные дистанционного зондирования должны быть сначала классифицированы, а затем обработаны различными методами улучшения данных, чтобы помочь пользователю понять особенности, присутствующие на изображении.

Такая классификация представляет собой сложную задачу, которая включает в себя строгую проверку обучающих выборок в зависимости от используемого алгоритма классификации. Техники можно разделить в основном на два типа.

  • Контролируемые методы классификации
  • Неконтролируемые методы классификации

В контролируемой классификации используются обучающие выборки. Учебные образцы - это области на земле, для которых существует « Истина» , то есть то, что там известно. В спектральных характеристиках этих полигонов используются для поиска похожих подписей в остальных пикселях изображения, и мы будем классифицировать соответственно. Такое использование обучающих выборок для классификации называется контролируемой классификацией. В этом методе очень важны экспертные знания, поскольку выбор обучающих выборок и необъективный выбор 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. Характеристике) и относит пиксель к его наиболее вероятному классу. Новые методы на основе сверточной нейронной сети [21] учитывают как пространственную близость, так и весь спектр, чтобы определить наиболее вероятный класс.

В случае неконтролируемой классификации никаких предварительных знаний для классификации характеристик изображения не требуется. Наблюдается естественная кластеризация или группировка значений пикселей, то есть уровни серого в пикселях. Затем определяется порог для принятия количества классов в изображении. Чем точнее пороговое значение, тем больше будет классов. Однако за определенным пределом один и тот же класс будет представлен в разных классах в том смысле, что представлены вариации в классе. После формирования кластеров выполняется наземная проверка достоверности 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 .

  • MicroMSI одобрен NGA .
  • Opticks - это приложение дистанционного зондирования с открытым исходным кодом.
  • Multispec - это бесплатная программа для мультиспектрального анализа. [22]
  • Gerbil - это программное обеспечение для мультиспектральной визуализации и анализа с открытым исходным кодом. [23]

  • Гиперспектральная визуализация
  • Спектрометр изображений
  • Спектроскопия изображений
  • Перестраиваемый жидкокристаллический фильтр
  • Распознавание мультиспектральных образов
  • Нормализованный разностный вегетационный индекс (NVDI)
  • Разведывательный спутник
  • Дистанционное зондирование
  • Спутниковые снимки

  1. ^ RA Schowengerdt. Дистанционное зондирование: модели и методы обработки изображений, Academic Press, 3-е изд., (2007)
  2. ^ «13. Обработка мультиспектральных изображений | Природа географической информации» . www.e-education.psu.edu . Проверено 14 ноября 2019 .
  3. ^ Хаген, Натан; Куденов, Майкл В. (2013). «Обзор технологий построения спектральных снимков» . Оптическая инженерия . 52 (9): 090901. Bibcode : 2013OptEn..52i0901H . DOI : 10.1117 / 1.OE.52.9.090901 .
  4. ^ a b c d e Goldberg, A .; Stann, B .; Гупта, Н. (июль 2003 г.). «Исследование мультиспектральных, гиперспектральных и трехмерных изображений в исследовательской лаборатории армии США» (PDF). Труды Международной конференции по международному синтезу [6] . 1: 499–506.
  5. ^ а б «Букварь по теории ИК» . Опто Инжиниринг . Проверено 15 августа 2018 .
  6. ^ а б в Макки, Ихаб; Юнес, Рафик; Фрэнсис, Хлодвиг; Бьянки, Тициано; Цуккетти, Массимо (01.02.2017). «Обследование обнаружения наземных мин с использованием гиперспектральных изображений». Журнал ISPRS по фотограмметрии и дистанционному зондированию . 124 : 40–53. Bibcode : 2017JPRS..124 ... 40M . DOI : 10.1016 / j.isprsjprs.2016.12.009 . ISSN  0924-2716 .
  7. ^ Оболочка; Чжао, Юнцян; Пан, Куан; Конг, Сеонг Дж. (25.06.2018). «Удаление отражений на LWIR-изображении с поляризационными характеристиками» . Оптика Экспресс . 26 (13): 16488–16504. Bibcode : 2018OExpr..2616488L . DOI : 10,1364 / OE.26.016488 . ISSN  1094-4087 . PMID  30119479 .
  8. ^ Нгуен, Чыонг; Гавличек, Джозеф; Фань, Гуолян; Колфилд, Джон; Паттихис, Мариос (ноябрь 2014 г.). «Надежное двухдиапазонное отслеживание цели в инфракрасном диапазоне MWIR / LWIR». 2014 48-я конференция Asilomar по сигналам, системам и компьютерам : 78–83. DOI : 10,1109 / ACSSC.2014.7094401 . ISBN 978-1-4799-8297-4. S2CID  9071883 .
  9. ^ «3.1.1. Мультиспектральные и панхроматические изображения» . ЗВЕЗДЫ проект . Проверено 14 мая 2018 .
  10. ^ https://doi.org/10.1175/1520-0450(2001)040 <2115: REFACO> 2.0.CO; 2
  11. ^ Коффи, Валери К. (1 апреля 2012 г.). «Мультиспектральная визуализация становится мейнстримом» . Новости оптики и фотоники . 23 (4): 18. DOI : 10,1364 / OPN.23.4.000018 . Проверено 14 мая 2018 .
  12. ^ "Каковы обозначения диапазонов для спутников Landsat?" . Геологическая служба США . Архивировано из оригинала 22 января 2017 года . Проверено 25 апреля 2018 года .
  13. ^ Гролье, Морис Дж .; Тиббитс-младший, Дж. Чейз; Ибрагим, Мохаммед Мукред (1984). Качественная оценка гидрологии Йеменской Арабской Республики по данным Landsat images Water Supply Paper 1757-P By . USGPO п. 19 . Проверено 14 мая 2018 .
  14. ^ а б Татем, Эндрю Дж .; Гетц, Скотт Дж .; Хэй, Саймон И. (2008). «Пятьдесят лет спутников наблюдения Земли» . Американский ученый . 96 (5): 390–398. DOI : 10.1511 / 2008.74.390 . PMC  2690060 . PMID  19498953 .
  15. ^ «Объяснение многоспектральных и гиперспектральных изображений» . ГИС География . 2014-07-23 . Проверено 16 февраля 2018 года .
  16. ^ «Мультиспектральная съемка архимедова палимпсеста» . Проект «Архимед Палимпсест» . Проверено 17 сентября 2015 года .
  17. ^ Вайскотт, Эрик. «Мультиспектральные изображения и средневековые рукописи». В исследовании The Routledge - спутник цифровой средневековой литературы . Бойл, Дженнифер Э. и Хелен Дж. Берджесс. Лондон: Рутледж. Стр. 186–96.
  18. ^ . Баронти, А. Казини, Ф. Лотти и С. Порчинай, Мультиспектральная система построения изображений для картирования пигментов в произведениях искусства с использованием анализа главных компонент, Прикладная оптика, том. 37, выпуск 8, стр. 1299–1309 (1998)
  19. ^ Мультиспектральная съемка в ColourLex
  20. ^ Аврил, Том (14 мая 2018 г.). «Сканирование раскрывает секреты средневековой книги« Гарри Поттер »и медицинских текстов в Пенсильвании» . The Philadelphia Inquirer . Проверено 14 мая 2018 .
  21. ^ Ран, Линъянь; Чжан, Яньнин; Вэй, Вэй; Чжан, Цилинь (2017-10-23). «Структура классификации гиперспектральных изображений с функциями пространственных пар пикселей» . Датчики . 17 (10): 2421. DOI : 10,3390 / s17102421 . PMC  5677443 . PMID  29065535 .
  22. ^ Биль, Ларри; Ландгребе, Дэвид (2002-12-01). «MultiSpec: инструмент для анализа данных мультиспектрально-гиперспектральных изображений» . Компьютеры и науки о Земле . 28 (10): 1153–1159. Bibcode : 2002CG ..... 28.1153B . DOI : 10.1016 / S0098-3004 (02) 00033-X . Проверено 28 апреля 2017 .
  23. ^ Иордания, Йоханнес; Ангелопулу, Элли (2010). Gerbil - новая программная среда для визуализации и анализа в мультиспектральной области . Видение . Моделирование. DOI : 10,2312 / ПЭ / В / VMV10 / 259-266 . ISBN 9783905673791.

  • Хью, Гарольд (1991). Спутниковое наблюдение . Порт-Таунсенд, Вашингтон: Loompanics Unlimited. ISBN 1-55950-077-8.

  • Sc.chula.ac.th
  • Academic.emporia.edu
  • Мультиспектральная визуализация в ColourLex