Hispanopedia Wiki
Articulo de referencia

Espectrómetro de imágenes

Espectrómetro de imágenes ultravioleta Alice en New Horizons Un espectrómetro de imagen es un instrumento utilizado en imágenes hiperespectrales y espectroscopia de imagen para ...

Hispanopedia WikiContenido en espanolLectura gratuita
Espectrómetro de imágenes ultravioleta Alice en New Horizons

Un espectrómetro de imagen es un instrumento utilizado en imágenes hiperespectrales y espectroscopia de imagen para adquirir una imagen con resolución espectral de un objeto o escena, generalmente para apoyar el análisis de la composición del objeto que se está observando. [ 1 ] [ 2 ] Los datos espectrales producidos para un píxel a menudo se denominan cubo de datos debido a la representación tridimensional de los datos. Dos ejes de la imagen corresponden a la distancia vertical y horizontal, y el tercero a la longitud de onda . El principio de funcionamiento es el mismo que el del espectrómetro simple , pero se tiene especial cuidado en evitar las aberraciones ópticas para obtener una mejor calidad de imagen.

Algunos ejemplos de tipos de espectrómetros de imágenes son: cámara filtrada, escáner de barrido , escáner de barrido , espectrógrafo de campo integral (o técnicas de reformateo dimensional relacionadas), espectrómetro de imágenes en cuña, espectrómetro de imágenes de transformada de Fourier, espectrómetro de imágenes de tomografía computarizada (CTIS), espectrómetro de imágenes de replicación de imágenes (IRIS), generador de imágenes espectrales de instantáneas de apertura codificada (CASSI) y espectrómetro de mapeo de imágenes (IMS).

Fondo

En 1704, Sir Isaac Newton demostró que la luz blanca podía descomponerse en sus colores componentes. La historia posterior de la espectroscopia condujo a mediciones precisas y proporcionó los fundamentos empíricos para la física atómica y molecular (Born y Wolf, 1999). Los logros significativos en espectroscopia de imágenes se atribuyen a los instrumentos aerotransportados, en particular a los surgidos a principios de las décadas de 1980 y 1990 (Goetz et al., 1985; Vane et al., 1984). Sin embargo, no fue hasta 1999 que se lanzó al espacio el primer espectrómetro de imágenes ( el espectrorradiómetro de imágenes de resolución moderada de la NASA , o MODIS).

La terminología y las definiciones evolucionan con el tiempo. En un principio, más de 10 bandas espectrales bastaban para justificar el término espectrómetro de imágenes, pero actualmente el término rara vez se define por un número mínimo total de bandas espectrales, sino más bien por una declaración contigua (o redundante) de bandas espectrales .

Principio

Los espectrómetros de imagen se utilizan específicamente para medir el contenido espectral de la luz y la luz electromagnética. Los datos espectrales recopilados permiten al operador comprender las fuentes de radiación. Los espectrómetros de prisma emplean un método clásico de dispersión de la radiación mediante un prisma que actúa como elemento refractor.

El espectrómetro de imagen funciona proyectando una fuente de radiación sobre una rendija mediante un generador de imágenes. Un colimador colima el haz, que se dispersa mediante un prisma refractor y se vuelve a proyectar sobre un sistema de detección mediante un regenerador de imágenes. Se presta especial atención a la obtención de la mejor imagen posible de la fuente sobre la rendija. El objetivo del colimador y la óptica de regeneración de imágenes es capturar la mejor imagen posible de la rendija. En esta etapa, el sistema de detección está compuesto por una matriz de elementos. La imagen de la fuente se regenera, punto por punto, como un espectro lineal sobre una columna de la matriz de detectores. Las señales de la matriz de detectores proporcionan datos relativos al contenido espectral, en particular, puntos de la fuente con resolución espacial dentro del área de la fuente. Estos puntos de la fuente se proyectan sobre la rendija y luego se regeneran sobre la matriz de detectores. Simultáneamente, el sistema proporciona información espectral sobre el área de la fuente y su línea de puntos con resolución espacial. A continuación, se escanea la línea para crear una base de datos con información sobre el contenido espectral. [ 3 ]

En la espectroscopia de imágenes (también llamada imagen hiperespectral o imagen espectral ), cada píxel de una imagen adquiere múltiples bandas de datos de intensidad de luz del espectro, en lugar de solo las tres bandas del modelo de color RGB . Más precisamente, se trata de la adquisición simultánea de imágenes espacialmente corregistradas en múltiples bandas espectralmente contiguas .

Algunas imágenes espectrales contienen solo unos pocos planos de imagen de un cubo de datos espectrales , mientras que otras se consideran mejor como espectros completos en cada ubicación de la imagen. Por ejemplo, los físicos solares utilizan el espectroheliógrafo para crear imágenes del Sol mediante el escaneo de la rendija de un espectrógrafo, para estudiar el comportamiento de las características de la superficie del Sol; dicho espectroheliograma puede tener una resolución espectral de más de 100.000 (λ/Δλ{\displaystyle \lambda /\Delta \lambda }) y se pueden usar para medir el movimiento local (a través del desplazamiento Doppler ) e incluso el campo magnético (a través del desdoblamiento de Zeeman o efecto Hanle ) en cada ubicación en el plano de la imagen. Las imágenes multiespectrales recopiladas por el rover Opportunity , en cambio, tienen solo cuatro bandas de longitud de onda y, por lo tanto, son solo un poco más que imágenes de 3 colores .

desmezclar

Los datos hiperespectrales se utilizan a menudo para determinar los materiales presentes en una escena. Entre los materiales de interés se incluyen carreteras, vegetación y objetivos específicos (como contaminantes, materiales peligrosos, etc.). En teoría, cada píxel de una imagen hiperespectral podría compararse con una base de datos de materiales para determinar su composición. Sin embargo, muchas plataformas de imágenes hiperespectrales tienen baja resolución (>5 m por píxel), lo que provoca que cada píxel sea una mezcla de varios materiales. El proceso de separar estos píxeles "mezclados" se denomina separación de imágenes hiperespectrales o, simplemente, separación de imágenes hiperespectrales.

Una solución para la separación de componentes hiperespectrales consiste en invertir el proceso de mezcla. Generalmente, se asumen dos modelos de mezcla: lineal y no lineal. En el modelo de mezcla lineal, el suelo se considera plano y la luz solar incidente sobre él provoca que los materiales irradien cierta cantidad de energía incidente de vuelta al sensor. Cada píxel se modela entonces como la suma lineal de todas las curvas de energía radiada de los materiales que lo componen. Por lo tanto, cada material contribuye a la observación del sensor de forma lineal positiva. Además, a menudo se observa una restricción de conservación de la energía, lo que obliga a que los pesos de la mezcla lineal sumen uno, además de ser positivos. El modelo se puede describir matemáticamente de la siguiente manera:

pag=A∗incógnita{\displaystyle p=A*x\,}

dóndepag{\displaystyle p}representa un píxel observado por el sensor,A{\displaystyle A}es una matriz de firmas de reflectancia de materiales (cada firma es una columna de la matriz), yincógnita{\displaystyle x}es la proporción de material presente en el píxel observado. Este tipo de modelo también se conoce como simplex .

Conincógnita{\displaystyle x}que satisfacen las dos restricciones: 1. Restricción de no negatividad de abundancia (ANC): cada elemento de x es positivo. 2. Restricción de suma de abundancia igual a uno (ASC): los elementos de x deben sumar uno.

La mezcla no lineal resulta de la dispersión múltiple, a menudo debido a superficies no planas como edificios y vegetación.

Existen numerosos algoritmos para separar datos hiperespectrales, cada uno con sus propias ventajas y desventajas. Muchos algoritmos asumen que en una escena solo hay píxeles puros (píxeles que contienen un único material). A continuación, se enumeran algunos algoritmos para realizar la separación de materiales:

  • El índice de pureza de píxeles funciona proyectando cada píxel sobre un vector de un conjunto de vectores aleatorios que abarcan el espacio de reflectancia. Un píxel recibe una puntuación cuando representa un extremo de todas las proyecciones. Los píxeles con las puntuaciones más altas se consideran espectralmente puros.
  • N-FINDR [ 4 ]
  • Algoritmo de envoltura de regalos
  • Algoritmo de extracción de componentes extremos de análisis de componentes independientes: funciona asumiendo que los píxeles puros ocurren independientemente de los píxeles mixtos. Se asume que hay píxeles puros presentes.
  • Análisis de componentes de vértice: se basa en el hecho de que la transformación afín de un simplex es otro simplex, lo que ayuda a encontrar vértices ocultos (plegados) del simplex. Se asume que solo hay píxeles puros.
  • Análisis de componentes principales: también podría utilizarse para determinar los componentes extremos; la proyección sobre ejes principales podría permitir la selección de componentes extremos [Smith, Johnson y Adams (1985), Bateson y Curtiss (1996)].
  • Análisis de mezcla espacial de múltiples componentes extremos basado en el algoritmo SMA
  • Análisis fasorial espectral basado en la transformada de Fourier de los espectros y su representación gráfica en un diagrama bidimensional.

También existen algoritmos de descomposición no lineal: máquinas de vectores de soporte o redes neuronales analíticas.

También se han intentado métodos probabilísticos para separar los píxeles mediante el algoritmo de separación de Monte Carlo .

Una vez determinados los materiales fundamentales de una escena, suele ser útil construir un mapa de abundancia de cada material que muestre la cantidad fraccionaria de material presente en cada píxel. A menudo se aplica programación lineal a los valores observados de ANC y ASC.

Aplicaciones

observaciones planetarias

La aplicación práctica de los espectrómetros de imagen radica en su uso para observar el planeta Tierra desde satélites en órbita. El espectrómetro funciona registrando todos los puntos de color en una imagen, por lo que se enfoca en partes específicas de la superficie terrestre para obtener datos. Las ventajas de los datos de contenido espectral incluyen la identificación de vegetación, el análisis de condiciones físicas, la identificación de minerales para la posible explotación minera y la evaluación de aguas contaminadas en océanos, zonas costeras y vías fluviales interiores.

Los espectrómetros de prisma son ideales para la observación de la Tierra porque miden amplios rangos espectrales con precisión. Se pueden configurar para cubrir un rango de 400  nm a 2500  nm, lo que resulta de interés para los científicos que pueden observar la Tierra mediante aeronaves y satélites. La resolución espectral del espectrómetro de prisma no es la más adecuada para la mayoría de las aplicaciones científicas; por lo tanto, su propósito se limita a registrar el contenido espectral de áreas con mayor variación espacial. [ 3 ]

La sonda Venus Express , que orbitaba Venus, contaba con varios espectrómetros de imagen que cubrían el rango infrarrojo cercano-visible-ultravioleta.

Imágenes geofísicas

Una aplicación es la obtención de imágenes geofísicas espectrales , que permite la caracterización cuantitativa y cualitativa de la superficie y la atmósfera mediante mediciones radiométricas . Estas mediciones pueden utilizarse para la identificación directa e indirecta inequívoca de materiales superficiales y gases traza atmosféricos, la medición de sus concentraciones relativas, la posterior asignación de la contribución proporcional de señales de píxeles mixtos (por ejemplo, el problema de la deconvolución espectral), la derivación de su distribución espacial (problema de mapeo) y, finalmente, su estudio a lo largo del tiempo (análisis multitemporal). El Mapeador de Mineralogía Lunar en Chandrayaan-1 era un espectrómetro de imágenes geofísicas. [ 5 ]

Desventajas

Las lentes del espectrómetro de prisma se utilizan tanto para la colimación como para la reconstrucción de imágenes; sin embargo, el rendimiento del espectrómetro de imagen se ve limitado por la calidad de imagen que proporcionan los colimadores y los sistemas de reconstrucción. La resolución de la imagen de la rendija en cada longitud de onda limita la resolución espacial; asimismo, la resolución de la óptica a través de la imagen de la rendija en cada longitud de onda limita la resolución espectral. Además, la distorsión de la imagen de la rendija en cada longitud de onda puede dificultar la interpretación de los datos espectrales.

Las lentes refractoras utilizadas en el espectrómetro de imagen limitan su rendimiento debido a las aberraciones cromáticas axiales de la lente. Estas aberraciones cromáticas son perjudiciales porque generan diferencias de enfoque que impiden una buena resolución; sin embargo, si se restringe el rango, es posible lograr una buena resolución. Además, las aberraciones cromáticas pueden corregirse utilizando dos o más materiales refractores en todo el rango visible. Es más difícil corregir las aberraciones cromáticas en rangos espectrales más amplios sin una mayor complejidad óptica. [ 3 ]

Sistemas

Los espectrómetros diseñados para rangos espectrales muy amplios funcionan mejor con sistemas de espejos. Estos sistemas no presentan aberraciones cromáticas, por lo que son preferibles. Por otro lado, los espectrómetros con sistemas de detección de punto único o de matriz lineal requieren sistemas de espejos más sencillos. Los espectrómetros que utilizan detectores de matriz de área necesitan sistemas de espejos más complejos para lograr una buena resolución. Si bien es posible diseñar un colimador que elimine todas las aberraciones, este diseño resulta costoso debido al uso de espejos asféricos.

Los sistemas más pequeños de dos espejos pueden corregir aberraciones, pero no son adecuados para espectrómetros de imagen. Los sistemas de tres espejos son compactos y también corrigen aberraciones, pero requieren al menos dos componentes asféricos. Los sistemas con más de cuatro espejos suelen ser grandes y mucho más complejos. Los sistemas catadióptricos se utilizan en espectrómetros de imagen y también son compactos; sin embargo, el colimador o generador de imágenes estará compuesto por dos espejos curvos y tres elementos refractores, por lo que el sistema es muy complejo.

La complejidad óptica resulta desfavorable, ya que los efectos dispersan todas las superficies ópticas y generan reflexiones parásitas. La radiación dispersa puede interferir con el detector al entrar en él y provocar errores en los espectros registrados. Esta radiación parásita se denomina luz parásita . Al limitar el número total de superficies que pueden contribuir a la dispersión, se limita la introducción de luz parásita en la ecuación.

Los espectrómetros de imagen están diseñados para producir imágenes bien resueltas. Para que esto ocurra, deben estar fabricados con pocas superficies ópticas y no tener superficies ópticas asféricas. [ 3 ]

Sensores

Planificado:

Actual y pasado:

Ejemplos

Véase también

Referencias

  1. ↑ William L. Wolfe (1997). Introducción a los espectrómetros de imagen . SPIE Press. ISBN 978-0-8194-2260-6.
  2. ↑ Freek D. van der Meer; SM de Jong (29 de marzo de 2011). Espectrometría de imágenes: principios básicos y aplicaciones potenciales . Springer Science & Business Media. ISBN 978-1-4020-0194-9.
  3. 1 2 3 4 "Patentes de Google" . Consultado el 5 de marzo de 2012 .
  4. ↑ Winter, Michael E. (1999). "N-FINDR: Un algoritmo para la determinación rápida y autónoma de componentes extremos espectrales en datos hiperespectrales" . En Descour, Michael R; Shen, Sylvia S (eds.). Imaging Spectrometry V. Vol. 3753. pp. 266–275 . doi : 10.1117/12.366289 . S2CID 64222754 .   
  5. ↑ "Se han encontrado grandes cantidades de agua en la Luna" . The Telegraph . 24 de septiembre de 2009. Archivado del original el 28 de septiembre de 2009.

Lecturas adicionales

  • Goetz, AFH, Vane, G., Solomon, JE, & Rock, BN (1985) Espectrometría de imágenes para teledetección terrestre. Science, 228, 1147.
  • Schaepman, M. (2005) Imágenes espectrodireccionales: de los píxeles a los procesos. Discurso inaugural, Universidad de Wageningen, Wageningen (Países Bajos).
  • Vane, G., Chrisp, M., Emmark, H., Macenka, S., & Solomon, J. (1984) Espectrómetro de imágenes visible e infrarrojo aerotransportado ( AVIRIS ): una herramienta avanzada para la teledetección de la Tierra. Agencia Espacial Europea, (Publicación especial) ESA SP, 2, 751.
  • Lista de instrumentos de espectrómetro de imágenes
  • Acerca de la espectroscopia de imágenes (USGS): http://speclab.cr.usgs.gov/aboutimsp.html
  • Enlace a los recursos (OKSI): http://www.techexpo.com/WWW/opto-knowledge/IS_resources.html
  • Grupo de Interés Especial en Espectroscopia de Imágenes (EARSeL): https://web.archive.org/web/20051230225147/http://www.op.dlr.de/dais/SIG-IS/SIG-IS.html
  • Aplicaciones de la imagen espectroscópica y química en la investigación: http://www3.imperial.ac.uk/vibrationalspectroscopyandchemicalimaging/research
  • Herramienta de análisis para la descomposición espectral  : http://www.spechron.com