Мультиспектральное изображение

редактировать
Файл: мультиспектральный снимок Солнца в SDO NASA, сентябрь 2011.ogv Воспроизвести медиа Видео от SDO, на котором одновременно показаны участки Солнца на разных длинах волн.

Мультиспектральная визуализация захватывает данные изображения в определенных диапазонах длин волн в электромагнитном спектре. 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 инфракрасным и ультрафиолетовым. Спектральная визуализация может позволить извлекать дополнительную информацию, которую человеческий глаз не может уловить с помощью видимых рецепторов красного, зеленого и синего цветов. Первоначально он разрабатывался для идентификации и разведки военных целей. Ранние космические платформы для получения изображений включали технологию получения мультиспектральных изображений для картирования деталей Земли, связанных с границами побережья, растительностью и формами рельефа. Мультиспектральная визуализация также нашла применение при анализе документов и живописи. 4

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.

СОДЕРЖАНИЕ
  • 1 Приложения
    • 1.1 Военное сопровождение целей
      • 1.1.1 Обнаружение наземных мин
      • 1.1.2 Обнаружение баллистических ракет
    • 1.2 Космическая съемка
    • 1.3 Прогноз погоды
    • 1.4 Документы и произведения искусства
  • 2 Спектральные полосы
  • 3 Использование спектрального диапазона
  • 4 Классификация
  • 5 Программное обеспечение для анализа данных
  • 6 См. Также
  • 7 ссылки
  • 8 Дальнейшее чтение
  • 9 Внешние ссылки
Приложения

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 лабораторных технологий сообщили о двухдиапазонной матрице фокальной плоскости (FPA) для получения мультиспектральных изображений. Этот FPA позволил исследователям одновременно смотреть на две инфракрасные (ИК) плоскости. 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. Каждый материал имеет инфракрасную подпись, которая помогает идентифицировать объект. Эти сигнатуры менее выражены в гиперспектральных системах (которые отображают гораздо больше диапазонов, чем в мультиспектральных системах) и при воздействии ветра и, что более существенно, дождя. Иногда поверхность цели может отражать инфракрасную энергию. Это отражение может неверно истолковать истинное значение излучения, присущего объектам. Системы визуализации, использующие технологию MWIR, лучше работают с солнечными отражениями от поверхности цели и создают более четкие изображения горячих объектов, таких как двигатели, по сравнению с технологией LWIR. Однако LWIR лучше работает в туманной среде, такой как дым или туман, потому что в более длинных волнах происходит меньшее рассеяние. Исследователи утверждают, что двухдиапазонные технологии сочетают в себе эти преимущества для получения большего количества информации с изображения, особенно в области слежения за целями.

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. 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. 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.

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.

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. Обычно спутники наблюдения Земли имеют три и 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.

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

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

Документы и произведения искусства

Мультиспектральное изображение можно использовать для исследования картин и других произведений искусства. Картина облучается ультрафиолетовыми, видимыми и инфракрасными лучами, а 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.

Мультиспектральный анализ помог 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. Мультиспектральные изображения использовались в проекте Фонда Меллона в Йельском университете для сравнения чернил в средневековых английских рукописях.

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.

Спектральные полосы

Длины волн являются приблизительными; точные значения зависят от инструментов конкретного спутника:

  • Голубой, 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.
Использование спектрального диапазона
Дополнительная информация: Ложный цвет

Для разных целей могут использоваться разные комбинации спектральных диапазонов. Обычно они представлены красным, зеленым и синим каналами. Привязка полос к цветам 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.

Классификация

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 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.

Программное обеспечение для анализа данных
  • MicroMSI одобрен NGA.
  • Opticks - это приложение дистанционного зондирования с открытым исходным кодом.
  • Multispec - это бесплатная программа для мультиспектрального анализа.
  • Gerbil - это программное обеспечение для мультиспектральной визуализации и анализа с открытым исходным кодом.
Смотрите также
использованная литература
дальнейшее чтение
внешние ссылки
Последняя правка сделана 2023-04-21 04:05:45
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте