2. Format des données et structure du fichier

Le format d'enregistrement couramment utilisé pour les caméras hyperspectrales est le format standard envi, qui comprend les fichiers.Hdr et.Raw, et certains appareils sont également livrés avec des fichiers d'informations d'acquisition.Dci.

2.2 Présentation du format envi(.hdr + .raw)

HDR sauvegarde des méta - informations (longueur d'onde, taille, type de données, etc.) Introduction

Le fichier.Hdr est du texte brut, défini par la norme envi, qui enregistre toutes les informations clés Samples (largeur w) pour l'image hyperspectrale complète.

·Lignes (hauteur h)

·Bandes (nombre Spectral)

·Interleave (méthode de stockage, par exemple bip / bsq / bil)

·Type de données (type de données, par exemple uint16, float32)

·Wavelength (longueur d'onde correspondant à chaque bande)

·Sensor type (type de capteur)) et

Introduction à la matrice de données spectrales.Raw Save

.raw est un fichier binaire pur qui enregistre les valeurs numériques brutes quantifiées de tous les pixels et bandes. Il ne contient que les données elles - mêmes, ne contient pas d'informations telles que la taille, la longueur d'onde et doit être utilisé avec le fichier.Hdr.

Les données sont généralement stockées de l'une des trois manières suivantes:

·Bsq (stockage par bande)

·Bil (stockage par ligne)

·Bip (stockage par pixel)

Différentes méthodes de stockage peuvent avoir un impact sur la vitesse de lecture et l'efficacité du traitement des données.

.dci Preserve Introduction aux informations d'acquisition de données

La caméra hyperspectrale génère un fichier.Dci personnalisé qui enregistre:

·Camera (modèle de caméra)

·R \ G \ B (RGB au moment de l'acquisition des données)

·Exposuretime (temps d'exposition)

·Gain (gain)

·Vitesse de plate - forme mobile objectdistance ou pas (Push - and - scan caméra)

·POS :

·Longitude, latitude (longitude et latitude)

·Altitude (altitude)

·Hauteur (hauteur relative)

Ce fichier sert principalement aux enregistrements expérimentaux et n'est généralement pas impliqué dans le traitement des données.

Caméra hyperspectrale terrestre caméra hyperspectrale aéroportée

2.2 dimensions des données(H × W × bandes)

L'imagerie hyperspectrale finit par former un cube de données tridimensionnel:

·H (height): hauteur de l'image

·W (largeur): largeur de l'image

·Bandes (nombre de bandes): Combien de spectres dimensionnels chaque pixel a - t - il?

Par conséquent, la quantité de données hyperspectrales est beaucoup plus grande que les images ordinaires et constitue l'une des sources de défis pour la conception ultérieure des algorithmes.

2.3 modes d'acquisition courants et effets(balayage Push vs face)

Les méthodes d'acquisition des caméras hyperspectrales sont principalement divisées en deux grandes catégories de balayage poussé (balayage linéaire) et de matrices faciales (instantanés), chacune adaptée à différents scénarios d'application.

1) caméra hyperspectrale Push - Sweep

Également appelé caméra matricielle, prenez une seule ligne (direction X) à la fois, effectuez un balayage de direction y pendant le mouvement de l'échantillon ou de la caméra. La procédure d'imagerie est la suivante: après chaque image sur une ligne (direction X), au cours de l'avancement de la bande transporteuse du système de détection, les détecteurs alignés balayent une piste en forme de bande, complétant ainsi le balayage longitudinal (Direction y). La synthèse des informations de balayage longitudinal permet d'obtenir des données d'image hyperspectrale tridimensionnelle de l'échantillon.

Principe d'imagerie:

·Il y a une fente à l'intérieur de la caméra

·La lumière est projetée sur le détecteur de réseau de lignes après avoir passé la séparation de réseau

·Une plate - forme de mouvement (ou une bande transporteuse) pousse l'échantillon pour que la caméra balaye ligne par ligne

·Formation finale d'un cube Hyperspectral complet

Caractéristiques:

Haute résolution spectrale
Faible bruit
Convient aux pipelines industriels, au balayage des cultures, au balayage poussé en laboratoire, etc.

2) caméra hyperspectrale matricielle

Également appelée caméra hyperspectrale Snapshot, elle acquiert toutes les dimensions spatiales en une seule exposition.

Les techniques courantes comprennent:

·Matrice de prismes séparateurs

·Filtre Multi - Partition (par exemple imec)

·Système de séparation de faisceaux multicanaux

3. Lecture et visualisation des données

La lecture et la visualisation des données hyperspectrales peuvent être traitées directement à l'aide d'un logiciel de télédétection hyperspectrale intégré ou d'un traitement de lecture auto - programmé à l'aide de Python ou MATLAB, la courbe hyperspectrale d'origine est une information de valeur DN, dn est la valeur numérique à laquelle le détecteur de caméra convertit le signal lumineux, qui est essentiellement une « échelle de gris pixel». Il ne s'agit pas d'une quantité physique et doit donc être convertie en données de réflectivité ou de radiance lors du traitement de l'analyse des données. Voici les cas de lecture de code simple.

3.1 exemple de lecture

Python lecture d'images hyperspectrales exemple de code

MATLAB lit les codes d'images hyperspectrales

3.2 composition des couleurs

True color (véritable couleur)

Sélectionnez la longueur d'onde correspondant à l'œil humain:

·R = 660 nm

·G = 550 nm

·B = 450 nm

L'image présentée correspond à la vision à l'œil nu.

Convient pour: paysages naturels, télédétection agricole, analyse de la gamme visible humaine.

Faux coloris (false Color)

Sélectionnez d'autres bandes représentatives, par exemple:

·R = 800 nm (proche infrarouge)

·G = 660 nm

·B = 550 nm

Le proche infrarouge exprime l'état physiologique des plantes et est donc couramment utilisé pour: surveillance de la santé de la végétation, amélioration hyperspectrale ciblée, classification des sols

Les fausses couleurs sont capables de renforcer certaines différences spectrales et constituent un avantage pour les datastres hyperspectraux *.

Composition de vraies couleurs composition de fausses couleurs

3.3 tracé des courbes spectrales

Dans une image hyperspectrale, chaque point de pixel correspond à une courbe spectrale.
Cliquez n'importe où dans le logiciel pour voir comment sa réflectivité spectrale / luminosité des rayons varie en fonction de la longueur d'onde. Vous pouvez également sélectionner des zones et des images irrégulières pour faire la moyenne de tous les points de pixels du roi, etc.

Conclusion

L’imagerie hyperspectrale peut sembler « très froide », mais elle ne fait qu’observer le monde d’une manière plus nuancée: elle ne regarde pas seulement les formes, les couleurs, elle est plus capable de voir à quoi ressemble réellement la matière dans la dimension spectrale. J'espère que cet article vous aidera à faire un pas plus solide sur la voie de la reconnaissance de la technologie hyperspectrale. La section suivante présente les méthodes de prétraitement des images hyperspectrales.