2. Формат данных и структура документа

Формат хранения, обычно используемый гиперспектральными камерами, является стандартным форматом ENVI, который включает в себя файлы.hdr и.raw, а некоторые устройства также поставляются с файлами.dci для сбора информации.

2.2 Презентация формата ENVI(.hdr + .raw)

hdr Сохранить метаинформацию (длина волны, размер, тип данных и т.д.) Введение

.hdr - файл является чистым текстом, определяемым стандартом ENVI, который записывает всю ключевую информацию для всего гиперспектрального изображения samples (ширина W)

·Линии (высота H)

·BANDS (Спектральные числа)

·interleave (Способы хранения, такие как BIP / BSQ / BIL)

·Data type (тип данных, например, uint16, float32)

·wavelength (длина волны, соответствующая каждому диапазону)

·Sensor type (тип датчика))

.raw Сохранить введение в матрицу спектральных данных

.raw - это чистый двоичный файл, в котором записаны исходные цифровые значения всех пикселей и диапазонов. Он содержит только сами данные, не содержит размер, длину волны и другую информацию, которая должна использоваться с файлом.hdr.

Данные обычно хранятся одним из трех способов:

·BSQ (хранение в диапазоне)

·BIL (Хранение по строкам)

·BIP (хранение по пикселям)

Различные способы хранения данных могут влиять на скорость чтения и эффективность обработки данных.

.dci Сохранить информацию о сборе данных

Гиперспектральная камера генерирует пользовательские файлы.dci, которые записывают:

·Камера (модель камеры)

·R \ \ G \ B (RGB при сборе данных)

·ExposureTime (Время экспозиции)

·Gain (усиление)

·Скорость или шаг мобильной платформы ObjectDistance (толкающая камера)

·ПОС:

·Longitude, latitude (широта и долгота)

·Altitude (Высота над уровнем моря)

·Height (Относительная высота)

Этот файл в основном обслуживает экспериментальные записи и обычно не участвует в обработке данных.

Наземная гиперспектральная камера

2.2 Измерения данных(В × Ш × полосы)

Гиперспектральные изображения в конечном итоге образуют трехмерный куб данных:

·H (Height): Высота изображения

·W (Width): Ширина изображения

·Bands (число диапазонов): сколько измерений спектра на пиксель

Таким образом, объем гиперспектральных данных намного превышает объем обычных изображений и является одним из источников проблем для последующего алгоритмического проектирования.

2.3 Распространенные модели сбора и воздействия(Толкай vs фронт)

Способы сбора гиперспектральных камер в основном делятся на две основные категории: толчок (проводная развертка) и фронт (снимок), каждый из которых подходит для различных сценариев применения.

1) Сверкающая гиперспектральная камера

Также называется камерой с линейной решеткой, которая собирает только одну линию (направление X) каждый раз и завершает сканирование в направлении Y во время движения образца или камеры. Процесс визуализации состоит в следующем: после каждого изображения в одну линию (направление X), по мере продвижения конвейера системы обнаружения, расположенный детектор подметает полосу траектории, чтобы завершить продольное сканирование (направление Y). Комплексное поперечное продольное сканирование позволяет получать трехмерные гиперспектральные изображения образцов.

Принцип изображения:

·Внутри камеры есть щель.

·Свет проецируется на детектор с линейной решеткой

·Спортивная платформа (или конвейер) толкает образец, позволяя камере сканировать шаг за шагом

·В итоге получается полный гиперспектральный куб.

особенности:

Высокое спектральное разрешение
Низкий шум
Подходит для промышленных конвейеров, сканирования сельскохозяйственных культур, лабораторных толчков и т.д.

2) Гиперспектральная камера с плоской решеткой

Также известная как фотогиперспектральная камера, одна экспозиция может получить все пространственные измерения.

К числу распространенных технологий относятся:

·спектрально - призматическая решетка

·Многозональные фильтры (например, IMEC)

·многоканальная пучковая система

Чтение и визуализация данных

Чтение и визуализация гиперспектральных данных могут быть обработаны непосредственно с помощью интегрированного программного обеспечения гиперспектрального дистанционного зондирования или с помощью самопрограммируемого чтения, такого как Python или MATLAB. Исходная гиперспектральная кривая - это информация о значении DN, DN - это цифровое значение, которое детектор камеры преобразует в световой сигнал, и по существу это « пиксельная серость». Это не физическая величина, поэтому ее необходимо преобразовать в отражающие или радиационные данные при анализе и обработке данных. Ниже приведены примеры простого чтения кода.

3.1 Примеры чтения

Python читает примеры гиперспектральных изображений

MATLAB считывает гиперспектральные изображения

3.2 Цветовой синтез

Истинный цветной синтез (True Color)

Выберите длину волны для человеческого глаза:

·R = 660 нм

·G = 550 нм

·В = 450 нм

Представленная картина соответствует визуальному восприятию невооруженным глазом.

Применяется к: природным пейзажам, сельскохозяйственному дистанционному зондированию, анализу видимого диапазона света человека.

Фальшивый цветной синтез (False Color)

Выберите другие репрезентативные диапазоны, например:

·R = 800 нм (ближнее инфракрасное излучение)

·G = 660 нм

·В = 550 нм

Физиологическое состояние растений в ближней инфракрасной области спектра, поэтому часто используется: мониторинг здоровья растительности, целевое гиперспектральное улучшение, классификация объектов

Фальшивый цвет усиливает некоторые спектральные различия и является преимуществом гиперспектральных данных *.

Фальшивый цветной синтез

3.3 Рисование спектральных кривых

В гиперспектральных изображениях каждая точка пикселей соответствует спектральной кривой.
Нажмите любое место в программном обеспечении, чтобы увидеть, как спектральное отражение / яркость излучения изменяется с длиной волны. Можно также выбрать область и нерегулярное изображение для усреднения всех точек пикселей, таких как roi.

Заключение

Гиперспектральная визуализация может показаться « гиперхолодным», но, по сути, она просто смотрит на мир более подробным образом: не только смотрит на форму и цвет, но и видит, как материя на самом деле выглядит в спектральном измерении. Надеюсь, эта статья поможет вам сделать еще один шаг на пути к пониманию гиперспектральных технологий. В следующем разделе мы рассмотрим методы предварительной обработки гиперспектральных изображений.