Гиперспектральная съёмка
Гиперспектральная съёмка — раздел прикладной оптики, который изучает растровые изображения, каждый пиксел которых связан не с отдельным значением интенсивности света, а с полным спектральным разложением оптической энергии в границах какого-либо частотного диапазона. Эти значения обычно не ограничиваются видимым светом и нередко включают в себя также другие длины волн, например — ИК-диапазон[1].
Собранная таким образом информация, как правило, представляется для анализа в виде гиперкуба, оси которого соответствуют распределению зарегистрированных спектроскопических характеристик (отражаемости, флюоресценции, рамановского спектра и т. п.), пространственным координатам и, нередко, времени[1].
В настоящее время гиперспектральные методы активно используются в самых разнообразных приложениях, среди которых можно выделить медицину, контроль качества материалов, диагностику заболеваний, детекцию движущихся транспортных средств, мониторинг окружающей среды, дистанционное зондирование и т. д.[2][3]
Гиперспектральную съёмку не следует путать с многоспектральными методиками, которые оперируют массивами узкополосных данных[1]. В отличие от них, гиперспектральные изображения содержат сотни каналов, внутри которых осуществляется независимый сбор и регистрация информации высокого разрешения[2]. Характерной особенностью задач, связанных с гиперспектральными методами, является то, что искомая информация оказывается распределена по большим объёмам данных, а искомые объекты не могут быть обнаружены посредством визуального наблюдения. Как правило, их детекция осуществляется или на субпиксельном уровне или посредством совмещения данных[4].
Примечания
- Selci, 2019, p. 1.
- Chang, 2007, p. 2.
- Selci, 2019, p. 2—5.
- Chang, 2007, p. 2, 3.
Источники
- C.-I. Chang. Hyperspectral Data Exploitation : Theory and Applications : [англ.] / C.-I. Chang. — Wiley-Interscience, 2007. — ISBN 978-0-471-74697-3.
- S. Selci. The Future of Hyperspectral Imaging : [англ.] / S. Selci. — The Future of Hyperspectral Imaging. — Basel : MDPI, 2019. — ISBN 978-3-03921-822-6.