Imagen multiespectral

Una imagen multiespectral es aquella que captura datos de imagen dentro de rangos de longitud de onda específicos en todo el espectro electromagnético . Las longitudes de onda pueden separarse mediante filtros o detectarse mediante el uso de instrumentos que sean sensibles a longitudes de onda particulares, incluida la luz de frecuencias más allá del rango de luz visible , es decir, infrarroja y ultravioleta . Las imágenes espectrales pueden permitir la extracción de información adicional que el ojo humano no puede capturar con sus receptores visibles para el rojo, el verde y el azul.. Fue desarrollado originalmente para la identificación y el reconocimiento de objetivos militares. Las primeras plataformas de imágenes basadas en el espacio incorporaron tecnología de imágenes multiespectrales [1] para mapear los detalles de la Tierra relacionados con los límites costeros, la vegetación y los accidentes geográficos. [2] Las imágenes multiespectrales también se han utilizado en el análisis de documentos y pinturas. 4

"> Archivo: Vista multiespectral del Sol de la NASA SDO, septiembre de 2011.ogvReproducir medios
Video de SDO que muestra simultáneamente secciones del Sol en varias longitudes de onda

Las imágenes multiespectrales miden la luz en un pequeño número (normalmente de 3 a 15) de bandas espectrales . La imagen hiperespectral es un caso especial de imagen espectral donde a menudo se encuentran disponibles cientos de bandas espectrales contiguas. [3]

Seguimiento de objetivos militares

Las imágenes multiespectrales miden la emisión de luz y se utilizan a menudo para detectar o rastrear objetivos militares. En 2003, investigadores del Laboratorio de Investigación del Ejército de los Estados Unidos y la Alianza Tecnológica Colaborativa del Laboratorio Federal informaron sobre una matriz de plano focal (FPA) de imágenes multiespectrales de banda dual . Esta FPA permitió a los investigadores observar dos planos infrarrojos (IR) al mismo tiempo. [4] Debido a que las tecnologías de infrarrojos de onda media (MWIR) e infrarrojos de onda larga (LWIR) miden la radiación inherente al objeto y no requieren una fuente de luz externa, también se conocen como métodos de imagen térmica .

El brillo de la imagen producida por una cámara termográfica depende de la emisividad y la temperatura de los objetos . [5]   Todo material tiene una firma infrarroja que ayuda a identificar el objeto. [6] Estas firmas son menos pronunciadas en sistemas hiperespectrales (que muestran imágenes en muchas más bandas que los sistemas multiespectrales) y cuando se exponen al viento y, más dramáticamente, a la lluvia. [6] A veces, la superficie del objetivo puede reflejar energía infrarroja. Este reflejo puede malinterpretar la verdadera lectura de la radiación inherente de los objetos. [7] Los sistemas de imágenes que utilizan tecnología MWIR funcionan mejor con reflejos solares en la superficie del objetivo y producen imágenes más definitivas de objetos calientes, como motores, en comparación con la tecnología LWIR. [8] Sin embargo, LWIR funciona mejor en ambientes brumosos como humo o niebla porque ocurre menos dispersión en las longitudes de onda más largas. [5] Los investigadores afirman que las tecnologías de doble banda combinan estas ventajas para proporcionar más información a partir de una imagen, particularmente en el ámbito del seguimiento de objetivos. [4]

Para la detección de objetivos durante la noche, las imágenes térmicas superaron a las imágenes multiespectrales de banda única. Citación. La tecnología MWIR y LWIR de banda dual dio como resultado una mejor visualización durante la noche que MWIR solo. Cita Cita. El Ejército de los EE. UU. Informa que su FPA LWIR / MWIR de doble banda demostró una mejor visualización de los vehículos tácticos que el MWIR solo después de rastrearlos tanto de día como de noche.  

Detección de minas terrestres

Al analizar la emisividad de las superficies terrestres, las imágenes multiespectrales pueden detectar la presencia de misiles subterráneos. El suelo superficial y subterráneo posee diferentes propiedades físicas y químicas que aparecen en el análisis espectral. [6] El suelo perturbado ha aumentado la emisividad en el rango de longitud de onda de 8,5 a 9,5 micrómetros, mientras que no demuestra ningún cambio en las longitudes de onda superiores a 10 micrómetros. [4] El FPA dual MWIR / LWIR del Laboratorio de Investigación del Ejército de EE. UU. Utilizó detectores "rojos" y "azules" para buscar áreas con emisividad mejorada. El detector rojo actúa como telón de fondo, verificando dominios de áreas de suelo no perturbadas, ya que es sensible a la longitud de onda de 10,4 micrómetros. El detector azul es sensible a longitudes de onda de 9,3 micrómetros. Si la intensidad de la imagen azul cambia al escanear, es probable que esa región esté alterada . Los científicos informaron que la fusión de estas dos imágenes aumentó la capacidad de detección. [4]

Detección de misiles balísticos

Interceptar un misil balístico intercontinental (ICBM) en su fase de impulso requiere imágenes del cuerpo duro, así como de las plumas del cohete. MWIR presenta una fuerte señal de objetos muy calientes, incluidas las columnas de cohetes, mientras que LWIR produce emisiones del material del cuerpo del misil. El Laboratorio de Investigación del Ejército de EE. UU. Informó que con su tecnología MWIR / LWIR de doble banda, el seguimiento de los vehículos de lanzamiento fungibles evolucionados Atlas 5, de diseño similar a los misiles balísticos intercontinentales, recogió tanto el cuerpo como el plumaje del misil. [4]

Imágenes basadas en el espacio

La mayoría de los radiómetros para detección remota (RS) adquieren imágenes multiespectrales. Al dividir el espectro en muchas bandas, multiespectral es lo opuesto a pancromático , que registra solo la intensidad total de la radiación que cae sobre cada píxel . [9] Por lo general, los satélites de observación de la Tierra tienen tres o más radiómetros . Cada uno adquiere una imagen digital (en la teledetección, llamada "escena") en una pequeña banda espectral. Las bandas se agrupan en regiones de longitud de onda según el origen de la luz y los intereses de los investigadores.

Predicción del tiempo

Los satélites meteorológicos modernos producen imágenes en una variedad de espectros. [10]

Las imágenes multiespectrales combinan de dos a cinco bandas de imágenes espectrales de ancho de banda relativamente grande en un solo sistema óptico. Un sistema multiespectral generalmente proporciona una combinación de infrarrojo visible (0,4 a 0,7 µm), infrarrojo cercano (NIR; 0,7 a 1 µm), infrarrojo de onda corta (SWIR; 1 a 1,7 µm), infrarrojo de onda media (MWIR; 3,5 a 5 µm) o bandas infrarrojas de onda larga (LWIR; 8 a 12 µm) en un solo sistema. - Valerie C. Coffey [11]

En el caso de los satélites Landsat , se han utilizado varias designaciones de banda diferentes, con hasta 11 bandas ( Landsat 8 ) que comprenden una imagen multiespectral. [12] [13] [14] Las imágenes espectrales con una resolución radiométrica más alta (que involucra cientos o miles de bandas), una resolución espectral más fina (que involucra bandas más pequeñas) o una cobertura espectral más amplia se pueden llamar hiperespectral o ultraespectral. [15] [14]

Documentos y obras de arte

La tecnología también ha ayudado en la interpretación de papiros antiguos , como los encontrados en Herculano , al obtener imágenes de los fragmentos en el rango infrarrojo (1000 nm). A menudo, el texto de los documentos aparece a simple vista como tinta negra sobre papel negro. A 1000 nm, la diferencia en cómo el papel y la tinta reflejan la luz infrarroja hace que el texto sea claramente legible. También se ha utilizado para obtener imágenes del palimpsesto de Arquímedes obteniendo imágenes de las hojas de pergamino en anchos de banda de 365 a 870 nm, y luego utilizando técnicas avanzadas de procesamiento de imágenes digitales para revelar el subtexto con el trabajo de Arquímedes. [16] Se han utilizado imágenes multiespectrales en un proyecto de la Fundación Mellon en la Universidad de Yale para comparar tintas en manuscritos medievales en inglés. [17]

Se pueden emplear imágenes multiespectrales para la investigación de pinturas y otras obras de arte. [18] La pintura es irradiada por rayos ultravioleta , visible e infrarrojo y la radiación reflejada se registra en una cámara sensible en estas regiones del espectro. La imagen también se puede registrar utilizando la radiación transmitida en lugar de la reflejada. En casos especiales la pintura puede irradiarse con rayos UV, VIS o IR y se puede registrar la fluorescencia de pigmentos o barnices . [19]

También se han utilizado imágenes multiespectrales para examinar decoloraciones y manchas en libros y manuscritos antiguos. La comparación de la "huella digital espectral" de una mancha con las características de sustancias químicas conocidas puede permitir identificar la mancha. Esta técnica se ha utilizado para examinar textos médicos y alquímicos , buscando pistas sobre las actividades de los primeros químicos y las posibles sustancias químicas que pudieron haber utilizado en sus experimentos. Al igual que un cocinero que derrama harina o vinagre en un libro de cocina, un químico temprano podría haber dejado evidencia tangible en las páginas de los ingredientes utilizados para fabricar medicamentos. [20]

Las longitudes de onda son aproximadas; los valores exactos dependen de los instrumentos del satélite en particular:

  • El azul , 450–515..520 nm, se utiliza para imágenes de la atmósfera y aguas profundas, y puede alcanzar profundidades de hasta 150 pies (50 m) en agua clara.
  • Verde , 515..520–590..600 nm, se utiliza para obtener imágenes de vegetación y estructuras de aguas profundas, hasta 90 pies (30 m) en agua clara.
  • El rojo , 600..630–680..690 nm, se utiliza para obtener imágenes de objetos hechos por el hombre, en agua hasta 30 pies (9 m) de profundidad, suelo y vegetación.
  • El infrarrojo cercano (NIR), 750–900 nm, se utiliza principalmente para obtener imágenes de la vegetación.
  • El infrarrojo medio (MIR), 1550–1750 nm, se utiliza para obtener imágenes de la vegetación, el contenido de humedad del suelo y algunos incendios forestales .
  • El infrarrojo lejano (FIR), 2080–2350 nm, se utiliza para obtener imágenes del suelo, la humedad, las características geológicas, los silicatos, las arcillas y los incendios.
  • El infrarrojo térmico , 10400-12500 nm, utiliza radiación emitida en lugar de reflejada para visualizar estructuras geológicas, diferencias térmicas en corrientes de agua, incendios y para estudios nocturnos.
  • El radar y las tecnologías relacionadas son útiles para cartografiar el terreno y para detectar varios objetos.

Para diferentes propósitos, se pueden usar diferentes combinaciones de bandas espectrales. Por lo general, se representan con canales rojos, verdes y azules. La asignación de bandas a colores depende del propósito de la imagen y las preferencias personales de los analistas. El infrarrojo térmico a menudo se omite de la consideración debido a la mala resolución espacial, excepto para propósitos especiales.

  • El color verdadero usa solo canales rojo, verde y azul, asignados a sus respectivos colores. Como fotografía en color simple, es buena para analizar objetos hechos por el hombre y es fácil de entender para los analistas principiantes.
  • El verde-rojo-infrarrojo , donde el canal azul se reemplaza por el infrarrojo cercano, se utiliza para la vegetación, que es altamente reflectante en el infrarrojo cercano; luego se muestra como azul. Esta combinación se usa a menudo para detectar vegetación y camuflaje.
  • Blue-NIR-MIR , donde el canal azul usa azul visible, el verde usa NIR (por lo que la vegetación permanece verde) y MIR se muestra en rojo. Estas imágenes permiten ver la profundidad del agua, la cobertura vegetal, el contenido de humedad del suelo y la presencia de incendios, todo en una sola imagen.

Se utilizan muchas otras combinaciones. El NIR a menudo se muestra en rojo, lo que hace que las áreas cubiertas de vegetación se vean rojas.

A diferencia de otros trabajos de interpretación de imágenes de satélite y fotografías aéreas , estas imágenes multiespectrales no facilitan la identificación directa del tipo de característica mediante inspección visual. Por lo tanto, los datos de la teledetección deben clasificarse en primer lugar, seguidos del procesamiento mediante diversas técnicas de mejora de datos para ayudar al usuario a comprender las características que están presentes en la imagen.

Dicha clasificación es una tarea compleja que implica una rigurosa validación de las muestras de entrenamiento en función del algoritmo de clasificación utilizado. Las técnicas se pueden agrupar principalmente en dos tipos.

  • Técnicas de clasificación supervisadas
  • Técnicas de clasificación no supervisadas

La clasificación supervisada hace uso de muestras de entrenamiento. Las muestras de entrenamiento son áreas sobre el terreno para las que existe la verdad del terreno , es decir, lo que se conoce. Las firmas espectrales de las áreas de entrenamiento se utilizan para buscar firmas similares en los píxeles restantes de la imagen, y clasificaremos en consecuencia. Este uso de muestras de entrenamiento para la clasificación se denomina clasificación supervisada. El conocimiento experto es muy importante en este método, ya que la selección de las muestras de entrenamiento y una selección sesgada pueden afectar gravemente la precisión de la clasificación. Las técnicas populares incluyen el principio de máxima verosimilitud y la red neuronal convolucional . El principio de máxima verosimilitud calcula la probabilidad de que un píxel pertenezca a una clase (es decir, característica) y asigna el píxel a su clase más probable. Los métodos más nuevos basados ​​en redes neuronales convolucionales [21] tienen en cuenta tanto la proximidad espacial como el espectro completo para determinar la clase más probable.

En caso de clasificación no supervisada no se requieren conocimientos previos para clasificar las características de la imagen. Se observa la agrupación natural o agrupación de los valores de los píxeles, es decir, los niveles de gris de los píxeles. Luego se define un umbral para adoptar el número de clases en la imagen. Cuanto más fino sea el valor de umbral, más clases habrá. Sin embargo, más allá de cierto límite, la misma clase estará representada en diferentes clases en el sentido de que se representa la variación en la clase. Después de formar los grupos, se realiza la validación de la verdad del terreno para identificar la clase a la que pertenece el píxel de la imagen. Por lo tanto, en esta clasificación no supervisada no se requiere información previa sobre las clases. Uno de los métodos populares en la clasificación no supervisada es el agrupamiento de k-medias .

  • MicroMSI está respaldado por la NGA .
  • Opticks es una aplicación de detección remota de código abierto.
  • Multispec es un software de análisis multiespectral gratuito. [22]
  • Gerbil es un software de análisis y visualización multiespectral de código abierto. [23]

  • Imágenes hiperespectrales
  • Espectrómetro de imágenes
  • Espectroscopía de imágenes
  • Filtro sintonizable de cristal líquido
  • Reconocimiento de patrones multiespectrales
  • Índice de vegetación de diferencia normalizada (NVDI)
  • Satélite de reconocimiento
  • Sensores remotos
  • Imágenes de satélite

  1. ^ RA Schowengerdt. Teledetección: modelos y métodos para el procesamiento de imágenes, Academic Press, 3a ed., (2007)
  2. ^ "13. Procesamiento de imágenes multiespectrales | La naturaleza de la información geográfica" . www.e-education.psu.edu . Consultado el 14 de noviembre de 2019 .
  3. ^ Hagen, Nathan; Kudenov, Michael W. (2013). "Revisión de tecnologías de imágenes espectrales instantáneas" . Ingeniería óptica . 52 (9): 090901. Bibcode : 2013OptEn..52i0901H . doi : 10.1117 / 1.OE.52.9.090901 .
  4. ↑ a b c d e Goldberg, A .; Stann, B .; Gupta, N. (julio de 2003). "Investigación de imágenes multiespectrales, hiperespectrales y tridimensionales en el laboratorio de investigación del ejército de Estados Unidos" (PDF). Actas de la Conferencia Internacional sobre Fusión Internacional [6ª] . 1: 499–506.
  5. ^ a b "Introducción a la teoría de RI" . Ingeniería Opto . Consultado el 15 de agosto de 2018 .
  6. ^ a b c Makki, Ihab; Younes, Rafic; Francis, Clovis; Bianchi, Tiziano; Zucchetti, Massimo (1 de febrero de 2017). "Una encuesta de detección de minas terrestres mediante imágenes hiperespectrales". Revista ISPRS de Fotogrametría y Percepción Remota . 124 : 40–53. Código Bibliográfico : 2017JPRS..124 ... 40M . doi : 10.1016 / j.isprsjprs.2016.12.009 . ISSN  0924-2716 .
  7. ^ Recubrimiento; Zhao, Yongqiang; Pan, Quan; Kong, Seong G. (25 de junio de 2018). "Eliminación de reflejos en imagen LWIR con características de polarización" . Optics Express . 26 (13): 16488–16504. Código Bib : 2018OExpr..2616488L . doi : 10.1364 / OE.26.016488 . ISSN  1094-4087 . PMID  30119479 .
  8. ^ Nguyen, Chuong; Havlicek, Joseph; Fan, Guoliang; Caulfield, John; Pattichis, Marios (noviembre de 2014). "Robusto seguimiento de objetivos infrarrojos MWIR / LWIR de doble banda". 2014 48ª Conferencia de Asilomar sobre señales, sistemas y ordenadores : 78–83. doi : 10.1109 / ACSSC.2014.7094401 . ISBN 978-1-4799-8297-4. S2CID  9071883 .
  9. ^ "3.1.1. Imágenes multiespectrales y pancromáticas" . Proyecto STARS . Consultado el 14 de mayo de 2018 .
  10. ^ https://doi.org/10.1175/1520-0450(2001)040 <2115: REFACO> 2.0.CO; 2
  11. ^ Coffey, Valerie C. (1 de abril de 2012). "La proyección de imagen multiespectral se mueve en la corriente principal" . Noticias de Óptica y Fotónica . 23 (4): 18. doi : 10.1364 / OPN.23.4.000018 . Consultado el 14 de mayo de 2018 .
  12. ^ "¿Cuáles son las designaciones de banda para los satélites Landsat?" . Servicio Geológico de EE . UU . Archivado desde el original el 22 de enero de 2017 . Consultado el 25 de abril de 2018 .
  13. ^ Grolier, Maurice J .; Tibbitts Jr., G. Chase; Ibrahim, Mohammed Mukred (1984). Una evaluación cualitativa de la hidrología de la República Árabe de Yemen a partir de imágenes Landsat Water Supply Paper 1757-P By . USGPO pág. 19 . Consultado el 14 de mayo de 2018 .
  14. ^ a b Tatem, Andrew J .; Goetz, Scott J .; Hay, Simon I. (2008). "Cincuenta años de satélites de observación de la Tierra" . Científico estadounidense . 96 (5): 390–398. doi : 10.1511 / 2008.74.390 . PMC  2690060 . PMID  19498953 .
  15. ^ "Explicación de imágenes multiespectrales vs hiperespectrales" . Geografía GIS . 2014-07-23 . Consultado el 16 de febrero de 2018 .
  16. ^ "Imagen multiespectral del palimpsesto de Arquímedes" . El Proyecto Palimpsesto de Arquímedes . Consultado el 17 de septiembre de 2015 .
  17. ^ Weiskott, Eric. "Imágenes multiespectrales y manuscritos medievales". En The Routledge, compañero de investigación de la literatura medieval digital . Boyle, Jennifer E. y Helen J. Burgess. Londres: Routledge. Páginas. 186–96.
  18. ^ . Baronti, A. Casini, F. Lotti y S. Porcinai, Sistema de imágenes multiespectrales para el mapeo de pigmentos en obras de arte mediante el uso de análisis de componentes principales, Applied Optics Vol. 37, número 8, págs. 1299–1309 (1998)
  19. ^ Imágenes multiespectrales en ColourLex
  20. ^ Avril, Tom (14 de mayo de 2018). "Los escaneos revelan secretos del libro medieval 'Harry Potter' y textos médicos en Penn" . The Philadelphia Inquirer . Consultado el 14 de mayo de 2018 .
  21. ^ Ran, Lingyan; Zhang, Yanning; Wei, Wei; Zhang, Qilin (23 de octubre de 2017). "Un marco de clasificación de imágenes hiperespectrales con características de par de píxeles espaciales" . Sensores . 17 (10): 2421. doi : 10.3390 / s17102421 . PMC  5677443 . PMID  29065535 .
  22. ^ Biehl, Larry; Landgrebe, David (1 de diciembre de 2002). "MultiSpec: una herramienta para el análisis de datos de imágenes hiperespectrales multiespectrales" . Informática y Geociencias . 28 (10): 1153-1159. Código Bibliográfico : 2002CG ..... 28.1153B . doi : 10.1016 / S0098-3004 (02) 00033-X . Consultado el 28 de abril de 2017 .
  23. ^ Jordan, Johannes; Angelopoulou, Elli (2010). Gerbil: un marco de software novedoso para la visualización y el análisis en el dominio multiespectral . Visión . Modelado. doi : 10.2312 / PE / VMV / VMV10 / 259-266 . ISBN 9783905673791.

  • Hough, Harold (1991). Vigilancia satelital . Port Townsend, Washington: Loompanics Unlimited. ISBN 1-55950-077-8.

  • Sc.chula.ac.th
  • Academic.emporia.edu
  • Imágenes multiespectrales en ColourLex