Las imágenes multiespectrales capturan datos de imágenes dentro de rangos de longitud de onda específicos a lo largo del espectro electromagnético . Las longitudes de onda pueden separarse mediante filtros o detectarse con el uso de instrumentos que son sensibles a longitudes de onda particulares, incluida la luz de frecuencias más allá del rango de luz visible (es decir, infrarrojo y ultravioleta ). Puede permitir la extracción de información adicional que el ojo humano no puede capturar con sus receptores visibles para rojo, verde y azul . Originalmente se desarrolló para la identificación y el reconocimiento de objetivos militares. Las primeras plataformas de imágenes basadas en el espacio incorporaron tecnología de imágenes multiespectrales [1] para mapear detalles de la Tierra relacionados con los límites costeros, la vegetación y las formas del terreno. [2] Las imágenes multiespectrales también se han utilizado en el análisis de documentos y pinturas. [3] [4]
Las imágenes multiespectrales miden la luz en una pequeña cantidad (normalmente de 3 a 15) de bandas espectrales . Las imágenes hiperespectrales son un caso especial de imágenes espectrales en el que a menudo se dispone de cientos de bandas espectrales contiguas. [5]
Se pueden utilizar distintas combinaciones de bandas espectrales para distintos fines. Por lo general, se representan con canales rojo, verde y azul. La asignación de bandas a colores depende del propósito de la imagen y de las preferencias personales de los analistas. El infrarrojo térmico suele omitirse debido a la mala resolución espacial, excepto para fines especiales.
Se utilizan muchas otras combinaciones. El NIR se suele mostrar en rojo, lo que hace que las zonas cubiertas de vegetación aparezcan rojas.
Las longitudes de onda son aproximadas; los valores exactos dependen de los instrumentos particulares (por ejemplo, características de los sensores del satélite para la observación de la Tierra, características de la iluminación y sensores para el análisis de documentos):
A diferencia de otros trabajos de interpretación de imágenes satelitales y fotografías aéreas , estas imágenes multiespectrales no permiten identificar directamente el tipo de característica mediante inspección visual. Por lo tanto, los datos de teledetección deben clasificarse primero y luego procesarse mediante diversas técnicas de mejora de datos para ayudar al usuario a comprender las características presentes en la imagen.
Esta clasificación es una tarea compleja que implica una validación rigurosa de las muestras de entrenamiento en función del algoritmo de clasificación utilizado. Las técnicas se pueden agrupar principalmente en dos tipos.
La clasificación supervisada hace uso de muestras de entrenamiento. Las muestras de entrenamiento son áreas en el terreno para las que existe verdad fundamental , es decir, se sabe lo que hay allí. Las firmas espectrales de las áreas de entrenamiento se utilizan para buscar firmas similares en los píxeles restantes de la imagen, y clasificaremos en consecuencia. Este uso de muestras de entrenamiento para la clasificación se denomina clasificación supervisada. El conocimiento experto es muy importante en este método, ya que la selección de las muestras de entrenamiento y una selección sesgada pueden afectar gravemente la precisión de la clasificación. Las técnicas populares incluyen el principio de máxima verosimilitud y la red neuronal convolucional . El principio de máxima verosimilitud calcula la probabilidad de que un píxel pertenezca a una clase (es decir, característica) y asigna el píxel a su clase más probable. Los métodos más nuevos basados en redes neuronales convolucionales [6] tienen en cuenta tanto la proximidad espacial como los espectros completos para determinar la clase más probable.
En el caso de la clasificación no supervisada, no se requieren conocimientos previos para clasificar las características de la imagen. Se observa la agrupación o clusterización natural de los valores de los píxeles (es decir, los niveles de gris de los píxeles). Luego, se define un umbral para adoptar el número de clases en la imagen. Cuanto más fino sea el valor del umbral, más clases habrá. Sin embargo, más allá de un cierto límite, la misma clase estará representada en diferentes clases en el sentido de que se representa la variación en la clase. Después de formar los clusters, se realiza una validación de la verdad fundamental para identificar la clase a la que pertenece el píxel de la imagen. Por lo tanto, en esta clasificación no supervisada no se requiere información a priori sobre las clases. Uno de los métodos populares en la clasificación no supervisada es la agrupación de k-medias .
Las imágenes multiespectrales miden la emisión de luz y se utilizan a menudo para detectar o rastrear objetivos militares. En 2003, investigadores del Laboratorio de Investigación del Ejército de los Estados Unidos y de la Alianza Tecnológica Colaborativa de Laboratorios Federales informaron sobre un conjunto de plano focal (FPA) de imágenes multiespectrales de banda dual. Este FPA permitió a los investigadores observar dos planos infrarrojos (IR) al mismo tiempo. [9] Debido a que las tecnologías de infrarrojos de onda media (MWIR) e infrarrojos de onda larga (LWIR) miden la radiación inherente al objeto y no requieren una fuente de luz externa, también se las conoce como métodos de imágenes térmicas .
El brillo de la imagen producida por una cámara termográfica depende de la emisividad y la temperatura de los objetos. [10] Cada material tiene una firma infrarroja que ayuda a la identificación del objeto. [11] Estas firmas son menos pronunciadas en sistemas hiperespectrales (que generan imágenes en muchas más bandas que los sistemas multiespectrales) y cuando se exponen al viento y, más dramáticamente, a la lluvia. [11] A veces, la superficie del objetivo puede reflejar energía infrarroja. Esta reflexión puede malinterpretar la lectura verdadera de la radiación inherente de los objetos. [12] Los sistemas de imágenes que utilizan tecnología MWIR funcionan mejor con los reflejos solares en la superficie del objetivo y producen imágenes más definitivas de objetos calientes, como motores, en comparación con la tecnología LWIR. [13] Sin embargo, LWIR funciona mejor en entornos brumosos como humo o niebla porque se produce menos dispersión en las longitudes de onda más largas. [10] Los investigadores afirman que las tecnologías de doble banda combinan estas ventajas para proporcionar más información a partir de una imagen, particularmente en el ámbito del seguimiento de objetivos. [9]
Para la detección de objetivos nocturnos, la termografía superó a la imagen multiespectral de banda única. La tecnología MWIR y LWIR de banda dual dio como resultado una mejor visualización durante la noche que la tecnología MWIR sola. Cita Cita. El ejército de los EE. UU. informa que su FPA LWIR/MWIR de banda dual demostró una mejor visualización de vehículos tácticos que la tecnología MWIR sola después de rastrearlos tanto de día como de noche. [ cita requerida ]
Al analizar la emisividad de las superficies del suelo, las imágenes multiespectrales pueden detectar la presencia de misiles subterráneos. El suelo superficial y subterráneo poseen diferentes propiedades físicas y químicas que aparecen en el análisis espectral. [11] El suelo alterado ha aumentado la emisividad en el rango de longitud de onda de 8,5 a 9,5 micrómetros, mientras que no muestra cambios en longitudes de onda mayores de 10 micrómetros. [9] El FPA dual MWIR/LWIR del Laboratorio de Investigación del Ejército de los EE. UU. utilizó detectores "rojos" y "azules" para buscar áreas con emisividad mejorada. El detector rojo actúa como telón de fondo, verificando reinos de áreas de suelo no alteradas, ya que es sensible a la longitud de onda de 10,4 micrómetros. El detector azul es sensible a longitudes de onda de 9,3 micrómetros. Si la intensidad de la imagen azul cambia al escanear, es probable que esa región esté alterada . Los científicos informaron que la fusión de estas dos imágenes aumentó las capacidades de detección. [9]
Para interceptar un misil balístico intercontinental (ICBM) en su fase de propulsión es necesario obtener imágenes del cuerpo duro y de las columnas de humo del cohete. El MWIR presenta una señal potente de objetos muy calientes, incluidas las columnas de humo del cohete, mientras que el LWIR produce emisiones del material del cuerpo del misil. El Laboratorio de Investigación del Ejército de los EE. UU. informó que con su tecnología MWIR/LWIR de banda dual, el seguimiento de los vehículos de lanzamiento desechables evolucionados Atlas 5, de diseño similar a los ICBM, detectó tanto el cuerpo del misil como las columnas de humo. [9]
La mayoría de los radiómetros para teledetección (RS) adquieren imágenes multiespectrales. Al dividir el espectro en muchas bandas, el multiespectral es lo opuesto al pancromático , que registra solo la intensidad total de la radiación que incide sobre cada píxel . [14] Por lo general, los satélites de observación de la Tierra tienen tres o más radiómetros . Cada uno adquiere una imagen digital (en teledetección, llamada "escena") en una pequeña banda espectral. Las bandas se agrupan en regiones de longitud de onda según el origen de la luz y los intereses de los investigadores.
Los satélites meteorológicos modernos producen imágenes en una variedad de espectros. [15]
Las imágenes multiespectrales combinan de dos a cinco bandas espectrales de imágenes de ancho de banda relativamente grande en un único sistema óptico. Un sistema multiespectral suele proporcionar una combinación de bandas visibles (0,4 a 0,7 µm), infrarrojas cercanas (NIR; 0,7 a 1 µm), infrarrojas de onda corta (SWIR; 1 a 1,7 µm), infrarrojas de onda media (MWIR; 3,5 a 5 µm) o infrarrojas de onda larga (LWIR; 8 a 12 µm) en un único sistema. — Valerie C. Coffey [16]
En el caso de los satélites Landsat , se han utilizado varias designaciones de banda diferentes, y una imagen multiespectral comprende hasta 11 bandas ( Landsat 8 ). [17] [18] [19] Las imágenes espectrales con una resolución radiométrica más alta (que involucra cientos o miles de bandas), una resolución espectral más fina (que involucra bandas más pequeñas) o una cobertura espectral más amplia pueden denominarse hiperespectrales o ultraespectrales. [19]
La obtención de imágenes multiespectrales se puede utilizar para la investigación de pinturas y otras obras de arte. [3] La pintura se irradia con rayos ultravioleta , visibles e infrarrojos y la radiación reflejada se registra en una cámara sensible en esta región del espectro. La imagen también se puede registrar utilizando la radiación transmitida en lugar de la reflejada. En casos especiales, la pintura se puede irradiar con rayos UV , VIS o IR y se puede registrar la fluorescencia de pigmentos o barnices . [20]
El análisis multiespectral ha ayudado a la interpretación de papiros antiguos , como los encontrados en Herculano , al obtener imágenes de los fragmentos en el rango infrarrojo (1000 nm). A menudo, el texto de los documentos aparece a simple vista como tinta negra sobre papel negro. A 1000 nm, la diferencia en cómo el papel y la tinta reflejan la luz infrarroja hace que el texto sea claramente legible. También se ha utilizado para obtener imágenes del palimpsesto de Arquímedes al obtener imágenes de las hojas de pergamino en anchos de banda de 365 a 870 nm y luego usar técnicas avanzadas de procesamiento de imágenes digitales para revelar el texto subyacente con la obra de Arquímedes. [21] La obtención de imágenes multiespectrales se ha utilizado en un proyecto de la Fundación Mellon en la Universidad de Yale para comparar tintas en manuscritos ingleses medievales. [4]
La obtención de imágenes multiespectrales también se ha utilizado para examinar decoloraciones y manchas en libros y manuscritos antiguos. Comparar la "huella espectral" de una mancha con las características de sustancias químicas conocidas puede permitir identificar la mancha. Esta técnica se ha utilizado para examinar textos médicos y alquímicos , buscando pistas sobre las actividades de los primeros químicos y las posibles sustancias químicas que pudieron haber utilizado en sus experimentos. Como un cocinero que derrama harina o vinagre sobre un libro de cocina, un químico primitivo podría haber dejado evidencia tangible en las páginas de los ingredientes utilizados para hacer medicamentos. [22]
