다중 스펙트럼 영상

Multispectral image
SDO에 의한 영상 다양한 파장에서 태양의 단면을 동시에 보여준다.

다중 스펙트럼 영상촬영은 전자파 스펙트럼 전체에 걸쳐 특정 파장 범위 내의 영상 데이터를 캡처한다. 파장은 필터에 의해 분리되거나 가시광선 범위를 벗어난 주파수(예: 적외선 및 자외선)의 빛을 포함하여 특정 파장에 민감한 기구를 사용하여 검출될 수 있다. 스펙트럼 이미징은 적색, 녹색 및 청색에 대한 눈에 보이는 수용기로 인간의 눈이 포착하지 못하는 추가 정보를 추출할 수 있다. 원래는 군사 목표물 식별과 정찰용으로 개발되었다. 초기 우주 기반 영상 플랫폼은 다중 스펙트럼 영상 기술을[1] 통합하여 해안 경계, 초목 및 지형과 관련된 지구의 세부 정보를 지도화했다.[2] 다중 스펙트럼 이미징은 또한 문서와 도장 분석에서 사용된다는 것을 발견했다.[3][4]

다중 스펙트럼 이미징은 적은 수의 스펙트럼 대역(일반적으로 3~15)으로 빛을 측정한다. 초경량 영상촬영은 종종 수백 개의 연속 스펙트럼 대역을 이용할 수 있는 스펙트럼 이미징의 특별한 경우다.[5]

적용들

군사목표추적

다중 스펙트럼 영상은 빛 배출을 측정하며 군사 목표물을 탐지하거나 추적하는 데 자주 사용된다. 2003년, 미국 육군 연구소와 연방 실험실 협력 기술 연합의 연구자들은 이중 대역 다중 스펙트럼 영상 초점 배열(FPA)을 보고했다. 이 FPA는 연구원들이 두 대의 적외선(IR) 비행기를 동시에 볼 수 있도록 했다.[6] 중파 적외선(MWIR)과 장파 적외선(LWIR) 기술은 물체에 내재된 방사선을 측정하고 외부 광원을 필요로 하지 않기 때문에 열영상법이라고도 한다.

열 이미저에 의해 생성된 이미지의 밝기는 물체의 복사도와 온도에 따라 달라진다.[7] 모든 물질은 물체의 식별에 도움이 되는 적외선 서명을 가지고 있다.[8] 이러한 서명은 과대망상계(다중망계보다 훨씬 더 많은 대역의 이미지)에서 덜 뚜렷하게 나타나며, 바람과 더 극적으로 비에 노출되었을 때 나타난다.[8] 때때로 대상의 표면은 적외선에너지를 반사할 수 있다. 이러한 반사는 물체의 고유 방사선에 대한 진정한 판독을 오해할 수 있다.[9] MWIR 기술을 사용하는 영상 시스템은 대상 표면의 태양 반사로 더 잘 기능하며 LWIR 기술에 비해 엔진과 같은 뜨거운 물체의 보다 명확한 이미지를 생성한다.[10] 그러나 LWIR은 더 긴 파장에서 덜 산란되기 때문에 연기나 안개와 같은 흐릿한 환경에서 더 잘 작동한다.[7] 연구원들은 이중 대역 기술이 특히 표적 추적의 영역에서 이미지로부터 더 많은 정보를 제공하기 위해 이러한 장점들을 결합한다고 주장한다.[6]

야간 대상 검출의 경우 열 이미징이 단일 대역 다중 스펙트럼 이미징을 능가했다. 인용. 듀얼 밴드 MWIR 및 LWIR 기술은 야간 중 MWIR 단독보다 더 나은 시각화를 실현했다. 인용문. 미 육군은 자사의 듀얼밴드 LWIR/MWIR FPA가 밤낮을 가리지 않고 추적한 결과 MWIR 단독보다 전술 차량을 더 잘 시각화한 것으로 나타났다고 보고 있다.

지뢰탐지

지상 표면의 방사성을 분석함으로써 다폭 촬영은 지하 미사일의 존재를 탐지할 수 있다. 지표면과 지표면 아래 토양은 스펙트럼 분석에 나타나는 물리적, 화학적 특성이 다르다.[8] 교란된 토양은 8.5~9.5마이크로미터의 파장 범위에서 방사성을 높이는 동시에 10마이크로미터 이상의 파장 변화는 보이지 않는다.[6] 미 육군 연구소의 이중 MWIR/LWIR FPA는 "빨간색"과 "파란색" 검출기를 사용하여 방사성이 강화된 지역을 수색했다. 적색 검출기는 10.4마이크로미터 파장에 민감하기 때문에 방해받지 않는 토양 영역의 영역들을 확인하는 배경으로 작용한다. 파란색 검출기는 9.3마이크로미터의 파장에 민감하다. 스캔할 때 파란색 이미지의 강도가 변경되면 해당 영역이 교란될 가능성이 높다. 과학자들은 이 두 이미지를 융합하면 검출 능력이 증가한다고 보고했다.[6]

탄도 미사일 탐지

대륙간탄도미사일(ICBM)을 증강 단계에서 요격하려면 로켓 플럼뿐 아니라 단단한 몸체까지 촬영해야 한다. MWIR은 로켓 플럼을 포함한 매우 가열된 물체로부터 강한 신호를 나타내며, LWIR은 미사일의 몸체 물질로부터 방출되는 물질을 생산한다. 미 육군연구소는 이중밴드 MWIR/LWIR 기술로 ICBM과 유사한 설계의 아틀라스 5 진화된 소모성 발사체를 추적한 결과 미사일 본체와 매실을 모두 포착했다고 밝혔다.[6]

공간 기반 이미징

원격 감지를 위한 대부분의 방사선계는 다중 스펙트럼 영상을 획득한다. 스펙트럼을 여러 대역으로 나누면, 각 픽셀에 떨어지는 방사선의 총 강도만 기록하는 범크롬과 정반대다.[11] 보통, 지구 관측 위성은 3개 이상의 방사선계를 가지고 있다. 각각 작은 스펙트럼 대역에서 하나의 디지털 이미지(원격 센싱에서 '씬(scene)'이라고 함)를 획득한다. 이 밴드들은 빛의 기원과 연구자들의 관심사에 따라 파장 영역으로 분류된다.

일기예보

현대의 기상 위성은 다양한 스펙트럼으로 이미지를 생성한다. [12]

다중 스펙트럼 이미징은 비교적 큰 대역폭의 2~5개의 스펙트럼 이미징 밴드를 단일 광학 시스템에 결합한다. A multispectral system usually provides a combination of visible (0.4 to 0.7 µm), near infrared (NIR; 0.7 to 1 µm), short-wave infrared (SWIR; 1 to 1.7 µm), mid-wave infrared (MWIR; 3.5 to 5 µm) or long-wave infrared (LWIR; 8 to 12 µm) bands into a single system. — 발레리 C. 커피[13]

랜사트 위성의 경우, 여러 개의 다른 대역 지정이 사용되었으며, 최대 11개의 밴드(랜사트 8)가 다중 스펙트럼 이미지로 구성되어 있다.[14][15][16] 더 높은 방사선 분해능(수백 또는 수천 개의 대역 포함), 더 미세한 스펙트럼 분해능(더 작은 대역 포함) 또는 더 넓은 스펙트럼 커버리지를 가진 스펙트럼 이미징을 과폭 또는 초폭파라 할 수 있다.[17][16]

문서 및 예술품

그림 및 기타 예술품 조사를 위해 다중 스펙트럼 영상을 사용할 수 있다.[3] 그림은 자외선, 가시광선 및 적외선으로 조사되며 반사 방사선은 스펙트럼의 이 영역에서 민감한 카메라에 기록된다. 반사방사선 대신 전송을 이용해 영상을 등록할 수도 있다. 특별한 경우 도장은 UV, VIS 또는 IR 광선으로 조사될 수 있으며 색소 또는 바니쉬의 형광을 등록할 수 있다.[18]

다중 스펙트럼 분석은 허큘라네움에서 발견된 것과 같은 고대 파피리의 해석을 적외선 범위(1000nm)로 영상화함으로써 도왔다. 종종 문서에 쓰여진 텍스트는 검은 종이에 먹물로 육안으로 나타난다. 1000nm에서는 종이와 잉크가 적외선을 반사하는 방법의 차이가 텍스트를 명확하게 읽을 수 있게 한다. 또한 365–870 nm의 대역폭에서 양피지 잎을 영상화한 다음 첨단 디지털 이미지 처리 기법을 사용하여 아르키메데스의 작업으로 밑줄을 드러냄으로써 아르키메데스 팔레임페스트를 이미지화하는 데도 사용되었다.[19] 다중 스펙트럼 이미징은 중세 영어 원고의 잉크를 비교하기 위해 예일 대학교의 멜론 재단 프로젝트에 사용되어 왔다.[4]

고서와 원고의 변색과 얼룩을 검사하는 데도 다중 스펙트럼 영상이 사용됐다. 얼룩의 "스펙트럼 지문"을 알려진 화학 물질의 특징과 비교하면 얼룩을 식별할 수 있다. 이 기술은 초기 화학자들의 활동과 그들이 실험에서 사용했을 수 있는 화학 물질에 대한 힌트를 얻기 위해 의학 및 화학 원문을 검사하는데 사용되어 왔다. 요리사가 요리책에 밀가루나 식초를 흘리는 것처럼, 초기 화학자는 약을 만드는 데 사용되는 재료의 페이지에 가시적인 증거를 남겼을지도 모른다.[20]

스펙트럼 밴드

파장은 대략적이며 정확한 값은 특정 위성의 기기에 따라 달라진다.

  • 450–515--520 nm의 파란색은 대기 및 심층수 영상 촬영에 사용되며, 맑은 물에서 최대 150피트(50m) 깊이까지 도달할 수 있다.
  • 그린, 515호..520–590.600 nm, 맑은 물에서 최대 90피트(30m)까지 식생 및 깊은 물 구조를 영상화하는 데 사용된다.
  • 빨강, 600..630–680–690 nm, 깊이 9m의 물, 토양 및 식물에서 인간이 만든 물체를 영상화하는 데 사용된다.
  • 근적외선(NIR, 750–900 nm)은 주로 식물을 영상화하는 데 사용된다.
  • 중적외선(MIR, 1550–1750 nm)은 초목, 토양 수분 함량 및 일부 산불에 사용된다.
  • 원적외선(FIR, 2080–2350 nm)은 토양, 습기, 지질학적 특징, 규산염, 쇄골, 화재를 영상화하는 데 사용된다.
  • 10400-12500nm의 열적외선은 반사방사선 대신 방출되는 방사선을 사용하여 지질학적 구조물을 이미지화한다. 수류의 열적 차이, 화재, 야간 연구에 사용된다.
  • 레이더와 관련 기술은 지형을 매핑하고 다양한 물체를 탐지하는 데 유용하다.

스펙트럼 밴드 사용법

추가 정보: 거짓색깔

다른 목적을 위해 다양한 스펙트럼 대역의 조합을 사용할 수 있다. 그것들은 보통 빨간색, 녹색, 파란색의 채널로 표현된다. 밴드를 색상으로 매핑하는 것은 이미지의 목적과 분석가의 개인적 선호도에 따라 달라진다. 열적외선은 특수한 용도를 제외하고는 공간 분해능이 떨어져 고려 대상에서 누락되는 경우가 많다.

  • 진정한 색은 각각의 색에 매핑된 빨간색, 녹색, 파란색 채널만 사용한다. 담백한 컬러 사진으로서 인공물체 분석에 좋으며 초보 분석가도 쉽게 이해할 수 있다.
  • 청색 채널을 근적외선으로 대체하는 녹색 적외선은 IR 근처의 반사율이 높은 식물에 사용되며, 그 다음 파란색으로 나타난다. 이 조합은 흔히 초목과 위장 작용을 탐지하는 데 사용된다.
  • 파란색 채널이 보이는 파란색, 녹색은 NIR(초목이 녹색으로 유지됨), MIR는 빨간색으로 표시된다. 그러한 이미지들은 수심, 초목 커버리지, 토양 수분 함량, 화재의 존재 등을 모두 하나의 이미지로 볼 수 있게 해준다.

다른 많은 조합들이 사용되고 있다. NIR은 종종 적색으로 나타나서 초목이 덮인 부분이 적색으로 보이게 한다.

분류

다른 항공 사진 및 위성 이미지 해석 작업과 달리 이러한 다중 스펙트럼 영상은 육안 검사로 형상 유형을 직접 식별하기가 쉽지 않다. 따라서 원격 감지 데이터를 먼저 분류한 후 사용자가 이미지에 있는 기능을 이해할 수 있도록 다양한 데이터 향상 기법을 사용하여 처리해야 한다.

그러한 분류는 사용되는 분류 알고리즘에 따라 훈련 샘플의 엄격한 유효성 검사를 수반하는 복잡한 작업이다. 기법은 주로 두 가지 유형으로 분류할 수 있다.

  • 감독 분류 기법
  • 무감독분류기법

감독된 분류는 교육 샘플을 사용한다. 훈련 표본은 지상의 진리, 즉 알려진 것이 있는 지상의 영역이다. 훈련 영역의 스펙트럼 서명은 이미지의 나머지 픽셀에서 유사한 서명을 검색하는 데 사용되며, 그에 따라 분류할 것이다. 이러한 분류 훈련 견본을 사용하는 것을 감독된 분류라고 한다. 훈련 표본의 선정과 편향된 선택은 분류의 정확도에 나쁜 영향을 미칠 수 있기 때문에 이 방법에서는 전문가 지식이 매우 중요하다. 대중적 기법으로는 최대우도 원리와 경련 신경망이 있다. 최대우도 원리는 픽셀이 클래스에 속할 확률을 계산하고(즉 피쳐) 픽셀을 가장 가능한 클래스로 앨럿한다. 새로운 경동신경망 기반 방법은 공간 근접성과 전체 스펙트럼을 모두 고려하여 가장 가능성이 높은 등급을 결정한다.

감독되지 않은 분류의 경우 이미지의 특징을 분류하기 위해 사전 지식이 필요하지 않다. 픽셀 값의 자연 군집화 또는 그룹화, 즉 픽셀의 회색 수준이 관찰된다. 그런 다음 이미지에서 클래스 수를 채택하기 위한 임계값을 정의한다. 임계값이 미세할수록 클래스가 더 많아진다. 그러나 일정한 한계를 넘어서면 계급의 변화가 나타난다는 의미에서 같은 계급이 다른 계급으로 대표될 것이다. 클러스터를 형성한 후 지면 진실 검증을 수행하여 영상 픽셀이 속한 클래스를 식별한다. 따라서 이 무감독 분류에서는 해당 세분류에 대한 정보가 필요하지 않다. 감독되지 않은 분류에서 인기 있는 방법 중 하나는 k-평균 군집화다.

데이터 분석 소프트웨어

  • MicroMSI는 NGA의 승인을 받았다.
  • 옵틱스는 오픈 소스 원격 감지 애플리케이션이다.
  • 멀티스펙은 프리웨어 다중 스펙트럼 분석 소프트웨어다.[22]
  • Gerbil은 오픈 소스 다중 스펙트럼 시각화 및 분석 소프트웨어다.[23]

참고 항목

참조

  1. ^ R.A. Showengerdt. 원격 감지: 이미지 처리를 위한 모델 및 방법, Academic Press, 3차 개정, (2007)
  2. ^ "13. Multispectral Image Processing The Nature of Geographic Information". www.e-education.psu.edu. Retrieved 2019-11-14.
  3. ^ a b 바론티, A. 카시니, F. 로티, 그리고 S. Porcinai, 주성분 분석을 이용한 예술작품의 색소 매핑을 위한 다중 스펙트럼 영상 시스템, Applied Optics Vol. 37, 이슈 8, 페이지 1299–1309(1998)
  4. ^ a b 위스콧, 에릭 "다중시상 이미징과 중세 원고" 디지털 중세 문학의 동반자 The Routrege 연구. 보일, 제니퍼 E, 그리고 헬렌 J. 버지스. 런던: 루트리지. 186-96페이지
  5. ^ Hagen, Nathan; Kudenov, Michael W. (2013). "Review of snapshot spectral imaging technologies". Optical Engineering. 52 (9): 090901. Bibcode:2013OptEn..52i0901H. doi:10.1117/1.OE.52.9.090901.
  6. ^ a b c d e 골드버그, A; 스탠, B.; 굽타, N. (2003년 7월) "미 육군 연구소의 다중 스펙트럼, 초경량, 3차원 영상 연구"(PDF) 국제 핵융합 국제 회의[6일]의 진행. 1: 499–506.
  7. ^ a b "Primer on IR theory". Opto Engineering. Retrieved 2018-08-15.
  8. ^ a b c Makki, Ihab; Younes, Rafic; Francis, Clovis; Bianchi, Tiziano; Zucchetti, Massimo (2017-02-01). "A survey of landmine detection using hyperspectral imaging". ISPRS Journal of Photogrammetry and Remote Sensing. 124: 40–53. Bibcode:2017JPRS..124...40M. doi:10.1016/j.isprsjprs.2016.12.009. ISSN 0924-2716.
  9. ^ Li, Ning; Zhao, Yongqiang; Pan, Quan; Kong, Seong G. (2018-06-25). "Removal of reflections in LWIR image with polarization characteristics". Optics Express. 26 (13): 16488–16504. Bibcode:2018OExpr..2616488L. doi:10.1364/OE.26.016488. ISSN 1094-4087. PMID 30119479.
  10. ^ Nguyen, Chuong; Havlicek, Joseph; Fan, Guoliang; Caulfield, John; Pattichis, Marios (November 2014). "Robust dual-band MWIR/LWIR infrared target tracking". 2014 48th Asilomar Conference on Signals, Systems and Computers: 78–83. doi:10.1109/ACSSC.2014.7094401. ISBN 978-1-4799-8297-4. S2CID 9071883.
  11. ^ "3.1.1. Multispectral and panchromatic images". STARS project. Retrieved 14 May 2018.
  12. ^ https://doi.org/10.1175/1520-0450(2001)040<2115:리파코>2.0.CO;2
  13. ^ Coffey, Valerie C. (1 April 2012). "Multispectral Imaging Moves into the Mainstream". Optics and Photonics News. 23 (4): 18. doi:10.1364/OPN.23.4.000018. Retrieved 14 May 2018.
  14. ^ "What are the band designations for the Landsat satellites?". U.S. Geological Survey. Archived from the original on January 22, 2017. Retrieved April 25, 2018.
  15. ^ Grolier, Maurice J.; Tibbitts Jr., G. Chase; Ibrahim, Mohammed Mukred (1984). A qualitative appraisal of the hydrology of the Yemen Arab Republic from Landsat images Water Supply Paper 1757-P By. U.S. G.P.O. p. 19. Retrieved 14 May 2018.
  16. ^ a b Tatem, Andrew J.; Goetz, Scott J.; Hay, Simon I. (2008). "Fifty Years of Earth-observation Satellites". American Scientist. 96 (5): 390–398. doi:10.1511/2008.74.390. PMC 2690060. PMID 19498953.
  17. ^ "Multispectral vs Hyperspectral Imagery Explained". GIS Geography. 2014-07-23. Retrieved Feb 16, 2018.
  18. ^ ColorElex의 다중 스펙트럼 이미지
  19. ^ "Multi-spectral imaging of the Archimedes Palimpsest". The Archimedes Palimpsest Project. Retrieved 17 September 2015.
  20. ^ Avril, Tom (May 14, 2018). "Scans reveal secrets of medieval 'Harry Potter' book and medical texts at Penn". The Philadelphia Inquirer. Retrieved 14 May 2018.
  21. ^ Ran, Lingyan; Zhang, Yanning; Wei, Wei; Zhang, Qilin (2017-10-23). "A Hyperspectral Image Classification Framework with Spatial Pixel Pair Features". Sensors. 17 (10): 2421. doi:10.3390/s17102421. PMC 5677443. PMID 29065535.
  22. ^ Biehl, Larry; Landgrebe, David (2002-12-01). "MultiSpec: a tool for multispectral—hyperspectral image data analysis". Computers & Geosciences. 28 (10): 1153–1159. Bibcode:2002CG.....28.1153B. doi:10.1016/S0098-3004(02)00033-X. Retrieved 2017-04-28.
  23. ^ Jordan, Johannes; Angelopoulou, Elli (2010). Gerbil - A Novel Software Framework for Visualization and Analysis in the Multispectral Domain. Vision. Vol. Modeling. doi:10.2312/PE/VMV/VMV10/259-266. ISBN 9783905673791.

추가 읽기

외부 링크