Hyperspectral kuvantaminen

Hyperspectral kuvantamisen, kuten muutkin spektrinen kuvantaminen, kerää ja käsittelee tietoja koko sähkömagneettisen spektrin. Tavoitteena hyperspektraalisen kuvantaminen on saada taajuuksia jokaisen pikselin kuva kohtaus, jossa tarkoituksena löytää esineitä, materiaalien tunnistamiseen tai havaitsemiseen prosessien.

Niin paljon kuin ihmissilmä näkee näkyvän valon kolmeen joukkoon spektrinen kuvantaminen jakaa spektrin paljon enemmän bändejä. Tämä tekniikka jakamalla kuvia osaksi bändejä voidaan ulottaa näkyvissä. Vuonna hyperspektraalisen kuvantaminen, kirjataan spektri on hieno aallonpituus päätöslauselma ja kattavat laajalla aallonpituusalueella.

Insinöörit rakentaa Hyperspectral anturit ja käsittelyjärjestelmät sovelluksiin tähtitiede, maatalouden, biolääketieteen kuvantaminen, mineralogia, fysiikka, ja valvonta. Hyperspectral anturit tarkastella objekteja käyttäen valtava osa sähkömagneettisen spektrin. Tietyt tavarat lähtevät ainutlaatuinen "sormenjäljet" sähkömagneettisen spektrin. Tunnetaan spektrin allekirjoituksia, nämä "sormenjäljet" avulla voidaan tunnistaa materiaalit, jotka muodostavat skannatun esine. Esimerkiksi spektrin allekirjoitus öljyn auttaa mineralogists löytämään uusia öljykenttiä.

Hyperspectral kuvakennon

Kuvaannollisesti, hyperspektraalisen anturit keräävät tietoa joukko "kuvia". Jokainen kuva edustaa ahdas aallonpituusalue sähkömagneettisen spektrin, joka tunnetaan myös nimellä spektrivyön. Näiden "kuvat 'yhdistetään muodostamaan kolmiulotteisen hyperspektraalisen tiedot kuution käsittelyä ja analyysiä, jossa x ja y edustavat kahta paikkatietojen mitat kohtaus, ja λ edustaa spektrin ulottuvuus.

Teknisesti ottaen on neljä tapaa antureille näyte hyperspektraalisen kuutio: Spatial skannaus, spektrin skannaus, snapshot kuvantaminen, ja spatio-spektrin skannaus.

Hyperspectral kuutiot syntyvät lentokäyttöisten sensorien kuten NASAn ilmassa Visible / Infrapuna Imaging Spectrometer, tai satelliiteista kuten NASAn EO-1 sen hyperspektraalisen väline Hyperion. Kuitenkin monet kehitys ja validointitutkimukset, kannettavat antureita käytetään.

Tarkkuus nämä anturit on tyypillisesti mitataan spektriresoluutiolla, joka on leveys kunkin spektrin, joka on kaapattu. Jos Skanneri havaitsee suuri määrä melko kapeita taajuuskaistoja, on mahdollista tunnistaa esineitä, vaikka ne ovat vain jää muutama pikseliä. Kuitenkin erotuskyky on tekijä lisäksi spektrin resoluutio. Jos pikselit ovat liian suuria, sitten useita esineitä jää samassa pikselin ja tulla vaikea tunnistaa. Jos pikselit ovat liian pieniä, niin energia jää kunkin anturin solu on alhainen, ja laski signaali-kohina-suhde vähentää luotettavuuden mitattu ominaisuuksia.

Hankinta ja käsittely hyperspektraalisen kuvien kutsutaan myös kuvantamisen spektroskopia tai, viitaten hyperspektraalisen kuutio, 3D-spektroskopia.

Teknologiat hyperspektraalisen tiedonkeruu

On neljä perustekniikoita hankkia kolmiulotteinen aineisto on hyperspektraalisen kuution. Valinta tekniikka riippuu tietyn sovelluksen, näki, että jokainen tekniikka on kontekstisidonnaisia ​​etuja ja haittoja.

Spatial skannaus

Spatiaalisessa skannaus, kukin kaksiulotteinen anturi tuotos edustaa koko viilto kirjon. Hyperspectral kuvantamislaitteita paikkatietoinfrastruktuurin skannausta saada viilto spektrit heijastamalla kaistale kohtaus päälle viilto ja purkamalla raon kuvan prisman tai hilan. Nämä järjestelmät ovat haitta ottaa kuvan analysoidaan kohti linjat ja myös ottaa joitakin mekaanisia osia integroitu optista. Näillä linja-scan järjestelmiä, aluesuunnitteluun kerätään alustan liikkeen tai skannauksen. Tämä edellyttää stabiloitu kiinnikkeet tai tarkkoja osoittaa tietoja "rekonstruoida" kuva. Kuitenkin linja-skannaus ovat erityisen yleisiä kaukokartoituksen, missä se on järkevää käyttää mobiilialustoille. Line-scan järjestelmiä käytetään myös skannata materiaaleja muutot liukuhihnalla. Erikoistapaus linja skannaus on kohta skannaus, jossa pistemäinen aukon sijasta käytetään raon, ja anturi on olennaisesti yksi-ulotteinen sijasta 2-D-.

Spectral skannaus

Spektrisessä skannaus, kukin 2-D anturi tuotos edustaa yksivärisen, alueellinen kartta kohtaus. HSI laitteita spektrin skannausta perustuvat tyypillisesti optinen kaistanpäästösuodattimia. Kohtaus on spektraalisesti skannataan vaihtamalla yksi suodatin toisensa jälkeen samalla alustalla on oltava paikallaan. Tällaisessa "tuijottaa", aallonpituus skannaus järjestelmät, spektrin tahroja voi tapahtua, jos on liikkuminen kohtaus, mitätöimällä spektrin korrelaatio / havaitseminen. Siitä huolimatta on olemassa etu, että voimme valita, spektrikaistojen, ja joilla on suora edustus kahdesta paikkatietojen mitat kohtaus.

Ei-skannaus

Ei-skannaus, yhdessä 2-D-anturin ulostulo sisältää kaikki tila- ja spektritiedot. HSI laitteet ei-skannaus saadaan täysi datacube kerralla, ilman skannausta. Kuvaannollisesti, yksi otos edustaa näkökulmasta projektio datacube, josta sen kolmiulotteinen rakenne voidaan rekonstruoida. Näkyvin hyötyä näistä tilannekuvan hyperspektraalisen kuvantamisen järjestelmät ovat tilannekuvan etu ja lyhyempi hankinta aikaa. Useita järjestelmiä on suunniteltu, mukaan lukien laskennallinen tomografisella kuvauksella spektrometriaa, kuitu-alustamalla kuvantamisen Spektrometria, kiinteä kenttä spektroskopia kanssa lenslet paneelit, kiinteä kenttä spektroskopia kanssa kuvan viipalointi peilit, kuva-replikoituvat kuvantamisen Spektrometria, suodatin pino spektrin hajoaminen, koodattu aukko snapshot spektrin kuvantaminen, kuvakarttaa spektrometria, ja monispektriset Sagnac interferometria. Kuitenkin laskentatyötä ja valmistuskustannukset ovat korkeat.

Spatiospectral skannaus

Vuonna spatiospectral skannaus, kukin 2-D anturi tuotos edustaa aallonpituus-koodattu), maankäytön kartta kohtaus. Prototyyppi tätä tekniikkaa, käyttöön vuonna 2014, koostuu kamera jossain nollasta etäisyys takana perus viilto spectroscope. Tarkennettu spatiospectral skannaus järjestelmiä voidaan saada asettamalla dispersiivinen elementti ennen paikkatietojen skannaus järjestelmä. Skannaus voidaan saavuttaa liikuttamalla koko järjestelmän suhteen paikalle, liikuttamalla kameraa yksin, tai siirtämällä raon yksin. Spatiospectral skannaus yhdistää joitakin etuja paikkatietoaineistojen ja spektrin skannaus ja lievittää joitakin niiden haittoja.

Erottaminen hyperspektraalisen alkaen multispektrikuvaussensoreita

Hyperspektraalisen kuvantaminen on osa luokan tekniikoita kutsutaan yleisesti spektrin kuvantamisen tai spektrianalyysillä. Hyperspektraalisen kuvantaminen liittyy multispektrikuvaussensoreita. Ero hyper- ja multi-spektrin on joskus perustuu mielivaltainen "määrä bändejä" tai mittatyyppi mukaan, mikä on tarkoituksenmukaista tarkoitukseen.

Multispektrikuvaussensoreita käsittelee useita kuvia erillisiin ja hieman kapea bändejä. Ovat "diskreetti ja hieman kapea" on mikä erottaa monispektriset sisään näkyvin väri valokuvauksen. Monispektriset anturi voi olla monia bändejä, jotka kattavat spektrin näkyvä pitkäaaltoisen infrapuna. Monispektriset kuvat eivät tuota "kirjon" esineen. Landsat on erinomainen esimerkki multispektrikuvaussensoreita.

Hyperspectral käsitellään kuvantaminen kapea spektrikaistojen yli jatkuva spektrialueella, ja tuottaa spektrien kaikkien pikselien kohtaus. Joten anturi vain 20 bändit voivat myös olla hyperspektraalisen kun se kattaa alueen 500-700 nm 20 bändejä kunkin 10 nm leveä.

"Ultraspectral 'voitaisiin varata interferometri tyyppi kuvausanturia erittäin hieno spektrin resoluutio. Nämä anturit usein alhainen erotuskyky useiden pikseliä vain, rajoituksista, joita suuren datanopeuden.

Sovellukset

Hyperspectral kaukokartoituksen käytetään monenlaisia ​​sovelluksia. Vaikka alun perin kehitetty kaivos- ja geologia, se on nyt levinnyt aloilla niin yleinen kuin ekologia ja valvonta, sekä historiallisia käsikirjoitus tutkimusta, kuten kuvantaminen Arkhimedes Palimpsest. Tämä tekniikka on jatkuvasti tulossa yleisön saataville. Järjestöt kuten NASA ja USGS on luettelot eri kivennäisaineiden ja niiden spektrin allekirjoituksia, ja ovat kirjoittaneet niitä verkossa, jotta ne helposti saatavilla tutkijoiden.

Maatalous

Vaikka hankintakustannuksiin hyperspektraalisen kuvia on tyypillisesti korkea, tiettyjä kasveja ja tietyillä ilmastossa, hyperspektraalisen kaukokartoituksen käyttö lisääntyy seurantaan kehitykseen ja terveyteen viljelykasvien. Australiassa, työ on käynnissä käyttää kuvantamisen spektrometrit havaita rypälelajikkeen ja kehittää varhaisvaroitusjärjestelmä taudin puhkeamisen. Lisäksi on käynnissä käyttää hyperspektraalisen tietoja havaita kemiallinen koostumus kasveja, joita voidaan käyttää havaitsemaan ravinteiden ja veden tilan vehnän kasteltujen järjestelmissä.

Toinen sovellus maataloudessa on havaitseminen eläinproteiinin rehuseosten välttämiseksi BSE: hen, joka tunnetaan myös hullun lehmän tauti. Eri tutkimuksissa on tehty ehdottaa vaihtoehtoisia työkaluja vertailumenetelmää ,. Yksi ensimmäisistä vaihtoehdoista on lähellä infrapuna mikroskopia, jossa yhdistyvät edut mikroskopian ja NIR. Vuonna 2004 ensimmäinen tutkimus liittyvät tämän ongelman hyperspektraalisen kuvantaminen julkaistiin. Hyperspektraalisen kirjastot, jotka edustavat monimuotoisuutta ainesosien tavallisesti läsnä yhdisteen valmistamiseksi syötteitä rakennettiin. Nämä kirjastot voidaan käyttää yhdessä kemometristä välineitä tutkia määritysrajan spesifisyys ja toistettavuus NIR hyperspektraalisen kuvantaminen menetelmä havaitsemiseksi ja sen määrän eläinperäisiä ainesosia rehussa.

Näönhuollon

Tutkijat Université de Montréal työskentelevät Photon Jne ja Optinan Diagnostics testata käytön hyperspektraalisen valokuvauksen diagnoosi retinopatia ja makulaturvotuksen ennen silmävauriot tapahtuu. Metabolinen hyperspektraalisen Kamera havaitsee lasku hapenkulutus verkkokalvon, joka osoittaa mahdolliset tauti. Silmälääkäri voi sitten hoitaa verkkokalvon kanssa injektiot estä mahdollisia vaurioita.

Elintarvikkeiden jalostus

Vuonna elintarviketeollisuuden, hyperspektraalisen kuvantamisen yhdistettynä älykäs ohjelmisto mahdollistaa digitaalisen lajittelijat tunnistamaan ja poistamaan vikoja ja vieraan materiaalin jotka ovat näkymättömiä perinteisen kameran ja laserin lajittelijat. Parantamalla tarkkuutta vika ja FM poisto, monitoimikone tavoitteena on parantaa tuotteiden laatua ja tuottavuutta.

Hyväksymällä hyperspektraalisen kuvantaminen digitaaliseen lajittelijat saavuttaa rikkomattomat, 100 prosenttia tarkastus-linjan täydellä tuotantomäärät. Lajittelija ohjelmisto vertaa hyperspektraalisen kuvia kerätään käyttäjän määrittämiä hyväksyä / hylätä kynnysarvot, ja ulostyöntöjärjestelmä automaattisesti poistaa vikoja ja vieraan materiaalin.

Viime kaupallinen hyväksyminen hyperspektraalisen anturi-pohjainen ruoka lajittelijat on pisimmällä mutteri teollisuudessa, jossa asennettujen järjestelmien maksimoida poistaminen kiviä, kuoria ja muita vieraita aineita ja vieraat peräisin olevasta kasviaineksesta saksanpähkinät, pekaanipähkinät, mantelit, pistaasipähkinät, maapähkinät ja muut pähkinät. Täällä, parantaa tuotteiden laatua, alhainen vääriä hylätä hinnat ja kyky käsitellä korkea saapuvia vika kuormia usein perustella kustannukset teknologian.

Kaupalliset hyväksyminen hyperspektraalisen lajittelijat on myös etenevät nopeasti peruna jalostusteollisuuden jossa teknologia lupaa ratkaista useita erinomaisia ​​tuotteen laatu ongelmia. Parhaillaan käyttää hyperspektraalisen kuvantamisen havaita "sokeri päät", "ontto sydän" ja "rupeen," olosuhteet, jotka vaivaavat peruna prosessorit.

Mineralogia

Geologiset näytteet, kuten kairasydämistä, voidaan nopeasti kartoittaa lähes kaikkia mineraaleja kaupallista kiinnostusta hyperspektraalisen kuvantaminen. Fusion SWIR ja LWIR spektrinen kuvantaminen on standardi havaitsemiseksi mineraalien maasälpä, kvartsi, kalsiitti, granaatti, ja oliviini ryhmät, koska nämä mineraalit ovat kaikkein erottuva ja vahvin spektrin allekirjoituksen LWIR alueilla.

Hyperspectral kaukokartoituksen mineraalien on hyvin kehittynyt. Monet mineraalit voidaan tunnistaa ilmassa kuvia, ja niiden suhde sisältää arvokkaita mineraaleja, kuten kultaa ja timantteja, ymmärretään hyvin. Tällä hetkellä edistyminen on kohti suhteen ymmärtämiseksi öljyn ja kaasun vuotojen putkistojen ja luonnon kaivoja, ja niiden vaikutukset kasvillisuuteen ja spektrin allekirjoituksia. Viimeaikaiset työ sisältää PhD väitöskirjat Werff ja Noomen.

Valvonta

Hyperspectral valvonta on täytäntöönpano hyperspektraalisen skannausteknologiaa valvontatarkoituksiin. Hyperspectral kuvantaminen on erityisen käyttökelpoinen sotilaallinen valvonta vuoksi vastatoimia, että sotilaallinen yhteisöt nyt ottaa välttämiseksi ilmassa valvontaa. Ilmavalvonta käytti Ranskan sotilaat käyttämällä lieassa ilmapalloja vakoilla joukkojen liikkeitä Ranskan Vallankumoussodat, ja siitä lähtien, sotilaat ovat oppineet paitsi piiloutua paljaalla silmällä, mutta myös peittää niiden lämpöä allekirjoituksia sulautua ympäristöön ja välttää infrapuna skannaus. Ajatus siitä, että ajaa hyperspektraalisen valvonta on, että hyperspektraalisen skannaus kiinnittää tietoa niin suuri osa valon spektrin, että mikä tahansa kohde pitäisi olla ainutlaatuinen spektrin allekirjoituksen ainakin muutamia monista bändeistä skannataan. Tiivisteet NSWDG joka tappoi Osama bin Ladenin toukokuu 2011 käytetään tätä teknologiaa samalla kun se käy ratsia Osama bin Ladenin yhdiste Abbottabad, Pakistanissa.

Perinteisesti kaupallisesti saatavilla lämpö infrapuna hyperspektraalisen kuvantamisjärjestelmät tarvinnut nestemäistä typpeä tai heliumin jäähdytys, joka on tehnyt niistä epäkäytännöllisiä useimmissa valvontasovelluksiin. Vuonna 2010 Specim käyttöön terminen infrapuna hyperspektraalisen kamera, jota voidaan käyttää ulkona valvonta ja UAV sovelluksia ilman ulkoista valonlähdettä, kuten aurinko tai kuu.

Fysiikka

Fyysikot käyttää elektronimikroskoopilla tekniikka, johon mikroanalyysi joko energiaa dispersiivinen X-ray-spektroskopia, elektronien energian menetys spektroskopia, infrapunaspektroskopia, Raman-spektroskopia, tai cathodoluminescence spektroskopia, jossa koko spektri mitataan kussakin kohdassa on tallennettu. EELS hyperspektraalisen kuvantaminen suoritetaan skannaus transmissioelektronimikroskoopilla; EDS ja CL kartoitus voidaan suorittaa STEM samoin, tai pyyhkäisyelektronimikroskooppikuva tai elektronimikrokoetinanalyysilaitteella. Usein, useita tekniikoita käytetään samanaikaisesti.

"Normaalissa" kartoituskokeesta, kuva näytteen on yksinkertaisesti intensiteetti tietyn päästöjen kartoitetaan XY rasteri. Esimerkiksi, EDS-kartta voisi olla tehty teräksestä näytteen, jossa rauta röntgen- intensiteettiä käytetään intensiteetin harmaasävy- kuvan. Tummia alueita kuvan osoittaisi ei-rauta-laakeri epäpuhtauksia. Tämä saattaa antaa harhaanjohtavia tuloksia; jos teräs sisälsi volframi sulkeumia, esimerkiksi, korkea atomiluku volframia voi johtaa bremsstrahlung säteilyä, joka tekisi rauta-vapaita alueita näyttää olevan runsaasti rautaa.

Vuoteen hyperspektraalisen kartoitus, vaan koko kirjo kussakin mappauspisteestä hankitaan, ja kvantitatiivinen analyysi voidaan suorittaa tietokoneella jälkikorjauksella tietojen ja määrällinen kartta rautapitoisuus tuotettu. Tämä osoittaisi, millä aloilla ei sisältänyt rautaa, huolimatta poikkeava X-ray laskee aiheuttamaa bremsstrahlung. Koska EELS ydin-tappio reunat ovat pieniä signaaleja päälle iso tausta, hyperspektraalisen kuvantaminen mahdollistaa suurten parannuksia laadun EELS kemiallisen karttoja.

Samoin CL kartoitus, pienet muutokset emissiohuippu energia voitaisiin kartoittaa, joka antaisi tietoa vähäisiä kemiallinen koostumus muuttuu tai muutoksia jännitystila näytteen.

Tähtitiede

Tähtitieteen, hyperspektraalisen kuvantaminen käytetään määrittämään spatiaalisesti ratkaistu spektrin kuva. Koska spektri on tärkeä diagnostinen, joiden spektri kunkin pikselin ansiosta enemmän tieteeseen tapauksissa on puututtava. Tähtitieteen, tämä tekniikka on yleisesti kutsutaan erottamattomana kenttä spektroskopia, ja esimerkkejä tästä tekniikka ovat liekkejä ja SINFONI päälle Very Large Telescope, mutta myös Advanced CCD Imaging spektrometri Chandra X-ray Observatory käyttää tätä tekniikkaa.

Kemiallinen kuvantaminen

Sotilaat voivat altistua erilaisia ​​kemiallisia vaaroja. Nämä uhat ovat enimmäkseen näkymättömiä mutta havaittavissa hyperspektraalisen kuvantamisen tekniikkaa. Telops Hyper-Cam, käyttöön vuonna 2005, on osoittanut tämän etäisyyksillä alle 5 km ja keskittymiin alhainen kuin muutama ppm.

Ympäristö

Useimmat maat vaativat jatkuvaa seurantaa tuottamien päästöjen kivihiiltä ja öljyä polttavien voimalaitosten, kuntien ja ongelmajätteiden polttolaitoksissa, sementtitehtaissa, samoin kuin monia muita teollisuuden lähteistä. Tämä valvonta suoritetaan yleensä käyttämällä kaivannaisteollisuuden näytteenottojärjestelmiä yhdessä infrapunaspektroskopialla tekniikoita. Eräät viimeaikaiset pattitilanne mittaustuloksista sallittu arviointia ilmanlaadun mutta monet kauko riippumaton menetelmät mahdollistavat alhaisen mittausepävarmuus.

Hyödyt ja haitat

Ensisijainen etu hyperspektraalisen kuvantaminen on, että koska koko kirjon on hankittu kussakin kohdassa, operaattori ei tarvitse aiempaa tietoa näytteen, ja jälkikäsittely mahdollistaa saatavat tiedot aineisto louhittava. Hyperspectral kuvantaminen voi myös hyödyntää tilasuhteiden kesken eri spektrin alueella, jotta useammat kehittää spektrin paikkatiedot malleja tarkempi segmentointi ja luokittelu kuvan.

Ensisijainen haitat ovat kustannuksia ja monimutkaisuutta. Nopea tietokoneet, herkkä ilmaisimet, ja suurten tietomäärien varastointikapasiteetti tarvitaan analysointiin hyperspektraalisen tiedot. Merkittävä tallennuskapasiteetti on tarpeen, koska hyperspektraalisen kuutiot ovat suuria, moniulotteinen aineistoja, mahdollisesti yli satoja megatavuja. Kaikki nämä tekijät lisäävät suuresti hankintakustannukset ja käsittelyn hyperspektraalisen tiedot. Myös yksi aitajuoksu tutkijat ovat joutuneet kohtaamaan on löytää tapoja ohjelmoida hyperspektraalisen satelliitteja lajitella tietoja omasta ja lähettää vain tärkeimmät kuvat, koska sekä siirto ja varastointi, että monet tiedot voi osoittautua vaikeaksi ja kalliiksi. Koska suhteellisen uusi analyyttinen tekniikka, koko potentiaalin hyperspektraalisen kuvantaminen ei ole vielä toteutunut.

Resurssit

Avoin lähdekoodi:

  • Python Hyperspectral Toolbox
  • Gerbil] Hyperspectral visualisointi ja analysointi puitteet

Kaupallinen:

  • ERDAS Kuvittele, kaukokartoituksen hakemuksen paikkatietosovellukset.
  • ENVI kaukokartoituksen sovellus.
  • MIA Toolbox monimuuttuja kuva-analyysiin.
  • MicroMSI kaukokartoituksen sovellus.
  • Matlab Hyperspectral Toolbox
  • Muut Hyperspectral työkalut] MATLAB
  • MountainsMap Hyperspectral, versio MountainsMap omistettu analyysin hyperspektraalisen tietojen mikroskopia.
  • Opticks kaukokartoituksen sovellus.
  • Scyllarus, hyperspektraalisen kuvantamisen C ++ API, MATLAB Toolbox ja esitystila
  0   0
Edellinen artikkeli Matthias Mann
Seuraava artikkeli Lê Nhân Tong

Kommentit - 0

Ei kommentteja

Lisääkommentti

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Merkkiä jäljellä: 3000
captcha