تصویربرداری فراطیفی عنوان پستی است که قراراست با شما به اشتراک بگذاریم.امیدواریم که این پست جذاب مورد پسند شما قرار بگیرد.این پست توسط  ونوس نصیرفام تهیه وتقدیم می گردد.

چکیده

اخیراً از تکنیک‌های آنالیز طیفی در تشخیص و شناسایی اشیاء در مقیاس بزرگ از تصاویر استفاده می‌شود. تکنیک تصویربرداری فراطیفی نیز یکی از آن‌هاست. چشم‌اندازی از چشم انسان بر اساس سه رنگ اصلی باند (قرمز، سبز و آبی) است، اما تصویربرداری طیفی بینایی را به باندهای بسیار بیشتری تقسیم می‌کند. حسگرهای فراطیفی از راه دور به داده‌های تصویری در قالب صدها باند طیفی مجاور دست می‌یابند. در این پست، هدف ما این است که مفهوم اساسی، سنجش از دور فراطیفی‌، اطلاعات سنجش از‌دور، روش‌هایی برای تصویربرداری فراطیفی و کاربردهای مبتنی بر تصویربرداری فراطیفی را نشان دهد. علاوه‌بر‌این، در حوزه پزشکی‌قانونی، روش های جدید شامل شبکه‌های عصبی عمیق در این پست توضیح داده شده است. ایده پیشنهادی می‌تواند جهت تحقیقات بیشتر در زمینه تصویربرداری فراطیفی با استفاده از یادگیری عمیق مفید باشد.

مقدمه

درابرطیفی، اصطلاح “hyper” به معنای “بیش از حد” و این به مقدار زیادی از باندهای طول موج اندازه‌گیری شده اشاره دارد. از تصاویر فراطیفی برای ارائه طیف کافی اطلاعاتی برای تشخیص و تمایز مواد متمایز طیفی استفاده می‌شود. تکنیک‌های آنالیز طیفی برای تشخیص و شناسایی اشیاء در مقیاس بزرگی از تصاویر استفاده می‌شود. تکنیک تصویربرداری فراطیفی یکی از آنهاست. بینایی چشم انسان بر اساس سه رنگ اصلی (قرمز، سبز و آبی) است، اما تصویربرداری طیفی بینایی را به باندهای بسیار بیشتری تقسیم می‌کند. حسگرهای فراطیفی از راه دور به داده‌های تصویری در قالب صدها باند طیفی مجاور دست می‌یابند.
پس از تنظیم حسگر، زمین و متعلقات جوی اعمال می‌شود. این طیف‌های تصویری را می‌توان با آزمایشگاه یا طیف بازتاب میدانی برای شناخت و نقشه‌برداری از مواد سطحی مانند نوع خاصی از گیاهان یا کانی‌های شاخص با ذخایر سنگ معدن استفاده کرد.

طیف‌سنج‌های تصویربرداری ابزاری هستند که برای تولید تصاویر فراطیفی استفاده می‌شوند. تصویربرداری و طیف‌سنجی از راه دور دو فن‌آوری اساسی هستند که برای توسعه ابرطیفی حسگرها استفاده می‌شوند. زمینه طیف‌سنجی برای مطالعه در مورد گسیل یا بازتاب نور از مواد مختلف و تغییرات در انرژی با طول موج رخ داده است.

در زمینه سنجش از دور طیفی، طیف‌سنجی با طیف‌های نور خورشید که توسط اجسام در داخل یا داخل زمین پراکنده می‌شوند، عمل می‌کند. تصاویر سنجش از راه دور برای گرفتن و محاسبه نور از مناطق مجاور روی سطح بازگشته از زمین برنامه‌ریزی شده‌اند. تصویربرداری فراطیفی را می‌توان در موارد مختلف کاربردهایی از جمله داروها، بیوژئوشیمی، بیوفیزیک، نظارت‌صنعتی و سنجش از دور برای جمع‌آوری اطلاعات برای تجزیه و تحلیل اعمال کرد.
آکادمی علوم چین نقشی حیاتی در این امر زمینه تصویربرداری ابرطیفی و توسعه دو تصویرگر برجسته، یکی از آنها به نام تصویرگر ابرطیفی جاروب فشاری (PHI) و یکی دیگر طیف‌سنج ماژولار تصویربرداری عملیاتی  (OMIS) ایفا کرد. در سال۲۰۰۰ اختراع دیگری در مورد تصویربرداری به شکل دوربین رقومی فراطیفی ارائه شد (HSDC)که از باندهای طیفی محدود با کیفیت بالای وضوح طیفی پشتیبانی می‌کند.نقش HSDC برای اشیاء و کاربردهای مختلف مشاهده از جمله نظارت بر محیط‌زیست و کشاورزی انعطاف‌پذیر است.

تجزیه و تحلیل تصویرگر فراطیفی را می‌توان توسط دو نفر انجام داد روش‌های مختلف یکی از آنها دیدگاه تحلیل طیفی و دیگری مبتنی بر پردازش تصویر است. بهتر است قبل از انتخاب هر نوع رویکردی، داده‌ها باید به خوبی سازماندهی شوند. در آنالیز طیف‌سنجی، طیف باید بر اساس منطقه مورد علاقه که معمولاً توسط سه راه مختلف مانند آستانه یک تصویر با تک‌تصویر باندموج، نسبت یا تفاوت محاسبه می‌شود استخراج شود. در پردازش تصویر، تعداد کمی تصاویر از مجموعه تصاویر برای محاسبه سریع انتخاب می‌شوند. انتخاب آن تصاویر بر اساس اهمیت طول موج آنها برای جابجایی دقیق است. چندین روش دیگر برای دستیابی به همین هدف ، به عنوان مثال، رگرسیون حداقل مربعات جزئی و تجزیه و تحلیل مؤلفه‌های اصلی وجود دارد.

علاوه براین، مقداری فشرده‌سازی داده‌ها تکنیک‌هایی مانند تجزیه مقدار منفرد و تبدیل فوریه برای فرآیندهای بیشتر تصاویر برای افزایش توانایی تصویربرداری فراطیفی استفاده می‌شود. پس از دستاورد داده‌های سالم، گام بعدی وابسته کردن مدل‌های استاندارد است.قبل از اجرای الگوریتم کمومتریک ، غلبه بر داده‌های پر سر و صدا افزایش کیفیت سیگنال‌ها اجباری است.علاوه بر این، پردازش تصویر شامل فیلتر‌کردن و binning است که می‌تواند کیفیت داده‌ها را افزایش دهد.در این مدل تکنیک‌های مختلفی مانند اصلی تجزیه و تحلیل مؤلفه، تحلیل تفکیک حداقل مربعات جزئی، تکنیک تشخیص خطی فیشر، ماشین‌بردار پشتیبان، شبکه عصبی مصنوعی و استنتاج فازی ارائه شده است.در نتیجه می‌توان نقشه پیش‌بینی را با استفاده از تکنیک‌های پس‌پردازش پیش برد و به اطلاعات دست یافت.

کار مرتبط

نور ساطع شده از خورشید به مولکول‌ها برخورد می‌کند و باعث جذب و بازتاب نور که به ساختار یا معماری مولکول‌ها بستگی داردمی‌شود. طول موج جذب یا انعکاس پیوندهای اتمی و مولکول تشخیص یا شناسایی یک شی خاص ایجاد می‌کند. برای جمع‌آوری مقدار نور منعکس شده توسط یک جسم خاص یا سطح زمین برای شناسایی آن شی استفاده می‌شود. انواع مختلفی از حسگرها برای جمع‌آوری داده‌های پراکنده، از جمله سنسور سوار بر کامیون، سنسور هوابرد و سنسور مبتنی بر ماهواره استفاده می‌شوند. با کمک کامپیوترهای سریع و توسعه حسگرها، تحقیقات گسترده‌ای درزمینه “سنجش ​​از راه دور فراطیفی” در حال انجام است. سان، ال و همکاران یک رویکرد جدید مبتنی بر طبقه‌بندی نظارت شده برای تصویربرداری فراطیفی معرفی کرد. مدل طبقه‌بندی نظارت شده شامل یک وزن فضایی میدان‌های تصادفی و قابلیت اطمینان داده‌های طیفی است.

برای پیشرفت کیفیت طبقه‌بندی، برچسب‌های واقعی داده‌های آموزشی نمونه‌ها به‌عنوان یک محدودیت در مدل رویکرد پیشنهادی ثابت می‌شوند. Sun. L و همکاران. نویز معرفی شده (مهلت‌ها، نویزهای نواری، ضربه‌ای و گاوسی) تکنیک کاهش برای تصویربرداری فراطیفی با استفاده از نمایش رتبه پایین بر روی تصویر طیفی انجام دادند. با توجه به تکنیک پیشنهادی فضای طیفی تصویر ابرطیفی در زیرفضای کم رتبه خم می‌شود. نمایش رتبه پایین بر اساس فضای طیفی توسط هنجار هسته‌ای تصویر با بعد طیفی سرکوب شد. باعث حذف مهلت‌ها ، نوارها، نویز پراکنده و نویز گاوسی در سطح هر باند می‌شود.

در زمینه طبقه‌بندی تصاویر، ابعاد بالای داده‌های تصویربرداری یک چالش است. داده‌های تصویربرداری فراطیفی نیز شامل ابعاد بالایی است، بنابراین روش‌های طبقه‌بندی فضایی-طیفی خواسته‌هایی برای دیدگاه محاسباتی هستند. وو، زی و همکاران یک تکنیک جدید برای اجرای موازی طبقه‌بندی فضایی-طیفی بر اساس میدان‌های تصادفی تطبیقی ​​معرفی کرد. در این تکنیک از طبقه‌بندی کننده رگرسیون لجستیک برای اطلاعات طیفی استفاده می‌شود. در این تحقیق، واحدهای پردازش گرافیکی برای پیاده‌سازی موازی استفاده می‌شوند. GPU تخصیص کار، ورودی و خروجی را بین CPU و واحد پردازش گرافیکی با کنترل کامل محاسباتی پردازنده‌های گرافیکی با تأخیر کم و پهنای باند بالای حافظه مشترک تنظیم می‌کند.
Sun، L. و همکاران یک رویکرد جدید برای کاهش نویز در تصاویر فراطیفی معرفی کرد. کاهش سر و صدا این تکنیک بر اساس رتبه سطح پایین نمایش مبتنی بر پیکسل فوق‌العاده برای تصویربرداری فراطیفی است. تحت مدل یک مخلوط خطی، فراطیفی مکعب به عنوان یک رتبه پایین در ناحیه طیفی در نظر گرفته می‌شود که داده‌های HSI را به زیر ماتریس‌های رتبه های پایین تر تقسیم می‌کند.

در سال ۱۹۸۵، تکنیکی به نام «طیف‌سنجی تصویربرداری» نام گرفت.برای سنجش از دور زمین استفاده شد.
علاوه بر این، انگیزه‌ای برای توسعه روش‌های پردازش تصویر رقومی توسط تجزیه و تحلیل داده‌های چند طیفی بررسی شد. در مراحل اولیه، گوتز و همکاران فراطیفی تعریف شده سنجش از دور به‌عنوان – مجموعه‌ای از تصاویر در ده‌ها تا صدها باند طیفی ثبت شده مجاور به طوری که برای هر سلول از یک تصویر می‌توان یک طیف درخشان محاسبه کرد. طبق این تعریف، مناطق طیفی VIS (مرئی)، NIR (مادون قرمز نزدیک)، SWIR (مادون قرمز موج کوتاه)، MWIR(Midwave Infrared)، LWIR (Longwave Infrared) و UV(فرابنفش) پوشیده شده‌اند.

الف. سنجش ازدورفراطیفی

سنسور فراطیفی برای مطالعه خاک‌شناسی، زمین‌شناسی، معدن، کاربری‌زمین و هیدرولوژی برای نقشه‌برداری و شناسایی الگوهای هندسی و شیمیایی زمین استفاده می‌شود. اطلاعات به دست آمده توسط حسگر فراطیفی برای شناسایی مواد معدنی و نفت با ارزش استفاده می‌شود. تصویربرداری طیف‌سنجی تکنیکی که برای جذب ویژگی‌های خاص پیوندهای شیمیایی در مواد معدنی است. نقشه‌برداری مواد شامل آب، یخ، برف، مخلوط‌های معدنی، پوشش‌گیاهی، مواد‌محیطی، گازهای اتمسفر و مواد ساخت بشر است. اسکنرهای هوابرد فراطیفی در سال ۱۹۹۸ برای شناسایی سنگ‌ها و خاک‌های حاوی هیدروکربن بودند. این آزمایش به عنوان “آزمایش هوشمند حرفه‌ای” توسط مرکز هوافضای آلمان برای آزمایش فراطیفی«HyMap» توسط شرکت استرالیایی Integrated Spectronics Ltd طراحی شده نامگذاری شد. در تجزیه و تحلیل داده‌های فراطیفی، عوامل متعددی درگیر هستند تا آن را برای تکنیک‌ها و الگوریتم‌های تصفیه شده پیچیده کنند.

برای نشان‌دادن تحلیل داده‌های فراطیفی، مضامین مدیریت در شش حوزه اصلی شامل عدم اختلاط، ادغام داده ها، تشخیص هدف، بازیابی پارامترهای فیزیکی، طبقه‌بندی و محاسبات سریع بر اساس پردازش تصویر، یادگیری ماشین و پردازش سیگنال هستند. در ترکیب داده‌ها، استراتژی‌های مختلفی از جمله بازیابی نسبت سیگنال به نویز (SNR) و رزولوشن فضایی، ادغام داده‌های طیفی برای غلبه بر افزونگی طیفی بالا، ترکیب داده‌های فضایی برای افزایش وضوح سنسور تصویربرداری در سطح زیر پیکسل استفاده می‌شود. یک سنسور دیگر وجود دارد که به نام فشار دوگانه است، حسگر فراطیفی جارویی که شامل دو دستگاه مختلف (طول موج‌های مختلف را پوشش می‌دهد) است که معمولاً به یک نیمکت مشابه متصل می‌شوند. ثبت مشترک پیکسل‌ها و” میدان دیدبرابر” مشکلاتی هستند که توسط این پیکربندی به نام اثر دید منفذ ایجاد می‌شوند. بروک و همکاران قبل از اصلاح آن با استفاده از تأثیر دیدمنفذ که استفاده می‌شود، اطلاعات تکمیلی را پیشنهاد کرد که در تصاویر تصحیح شده قرار ندارد.

ب. داده‌های سنجش از راه دور

سنسورهای فراطیفی با کمک پارامترهای مختلف داده‌ها را از سطح زمین جمع‌آوری می‌کنند. برای اندازه‌گیری مقادیر دقیق اشیاء شناسایی شده مهم است. روش‌ها و تکنیک‌های زیادی برای اندازه‌گیری ارزش پوشش گیاهی توسعه یافته است. برخی از تکنیک‌ها نشان می‌دهد که نتایج را می‌توان به شکل بسیار دقیق اما تعداد کمی از تکنیک‌ها نتایج را به شکل نسبتاً دقیق نشان می‌دهند.

موتانگا و همکاران بر روی تعداد کمی از مواد شیمیایی، به‌عنوان مثال، کلروفیل و نوع دیگری از رنگدانه‌ها مطالعه انجام دادند. رنگدانه‌ها شامل کاروتن و کلروفیل با دقت ۸۰ درصد در زمینه‌های نمونه قابل شناسایی هستند. نیتروژن را نیز می‌توان با دقت تشخیص داد. اما سایر مواد مغذی یعنی منیزیم، کلسیم، سدیم، پتاسیم و فسفر کمتر توسط Mutanga و همکاران در تحقیقات خود اعلام شده است. حتی اگر برای تجزیه و تحلیل پروژه‌ها بسیاری از نمونه‌ها پرهزینه است،قریب‌الوقوع سنجش‌از‌دورکاملاً حذف نشده است.

تحقیق مرتبط با علم اطلاعات جغرافیایی و تجزیه و تحلیل زمین برای مدل‌سازی و مدیریت محیط، یک مدل داده سنجش از دور طراحی کرد که در آن «پوشش گیاهی نقطه‌ای» با داده‌های زمین‌مرجع و «داده‌های پوشش زمین‌کورین»در رابطه با منطقه مطالعاتی که کیفی و اطلاعات کمی سطح زمین مرتبط است.

در این کار تحقیقاتی از مجموعه داده‌هایی برخی از ویژگی‌ها از جمله دقت هندسی بهتر بیش از۱۰۰متر، دقت موضوعی بیش از ۸۵ درصد و وضوح فضایی۳۰ متر استفاده شده است. برای توسعه چشم‌انداز طیف‌سنجی تصویربرداری آفریقای‌جنوبی، یک نمای کلی در مورد تکنیک‌ها و چالش‌های تجزیه و تحلیل به‌طور خلاصه توضیح داده شده است. مطابق با تحقیقات و کاربردهای آفریقایی، شاخص‌ها را می‌توان با عرض کامل پاسخ طیفی به عنوان مثال شیب‌ها، انتگرال‌ها و مشتقات منحنی به‌دست آورد. هدف شناسایی منبع داده از طیف‌سنجی تصویربرداری است که در آن ویژگی‌های طیفی برای اطلاع‌رسانی به‌برنامه موردعلاقه موردنیاز است. با توجه به‌روش طبقه‌بندی مبتنی برشیء برای طبقه‌بندی داده‌های سنجش‌از‌راه‌دور استفاده می‌شود. در سال ۲۰۰۰، والتر و فریچ مفهومی را با استفاده از داده‌های سنجش از راه دور چند‌طیفی برای بازنگری خودکار پایگاه‌های اطلاعاتی سیستم اطلاعات‌جغرافیایی معرفی کردند. در طبقه‌بندی مبتنی برشی، نه تنها تک‌پیکسل طبقه‌بندی می‌شود، بلکه گروه پیکسل‌ها نیز بر اساس در زمینه جغرافیایی پایگاه داده سیستم اطلاعات طبقه بندی می‌شوند. این رویکرد به دو مرحله اصلی بستگی دارد، مرحله اول مبتنی بر طبقه‌بندی احتمال نظارت شده و مرحله دوم بر اساس تطبیق اشیاء GIS موجود با اشیاء برای تشخیص تغییر رخ داده یا شناسایی داده‌های معیوب طبقه بندی شده است. این رویکرد توسعه‌یافته ودر نتیجه طبقه‌بندی بهتراستفاده می‌شود. در پایان، نتیجه به صورت کاملاً طبقه‌بندی شده، تا حدی طبقه‌بندی شده و با استفاده از آستانه‌ای که به‌طور تکراری توسط کاربر تعریف شده است، به‌دست می‌آید. یک مدل بازتاب دو طرفه سطح طراحی شده است. این مدل برای سطوح ناهمگن قابل اجرا است و از یک رویکرد نیمه‌تجربی پیروی می‌کند. سه پارامتر برای توصیف ماهیت سطح و این پارامترها استفاده می‌شود در الگوریتم مؤثر تصحیح و پردازش داده‌های سنجش از دور استفاده می شود. مدل مبتنی بر بازتاب دو طرفه سطحی مجموعه‌ای از دو فرآیند اساسی است که یکی از آنها انتشار جزء بازتاب است که ساختار هندسی روی سطح را توضیح می‌دهد و همچنین اثرات سایه را درک می‌کند در حالی که دوم فرآیند خواص پراکندگی حجم به‌دست آمده توسط سطوح جدا شده را تعریف می‌کند. باندهای طیفی نامرئی و مادون‌قرمز‌نزدیک، مدل و حاشیه‌نویسی درجا ارتباط بهتر برای انواع سطوح رایج مورد بررسی نشان می دهد. این مدل برای کاهش تغییرات ناخواسته تا حد زیادی برای سطح نتایج دو طرفه مرتبط در داده‌های سنجش از دور خوب است. U.C. بنز و همکاران تحلیل شی‌گرا مرتبط با روش‌های فازی برای پیاده‌سازی اطلاعات و توضیح گردش‌کار از تصاویر سنجش از دور تا سیستم اطلاعات گرافیکی پیشنهادکردند. در طول‌روش پیشنهادی، از نرم‌افزاری به نام “eCognition” برای ارائه اتصال مناسب بین تصاویر سنجش از دور و سیستم اطلاعات گرافیکی استفاده می‌شود. بنابراین تکنیک شی‌گرا می‌تواند ارزیابی خودکار و نیمه خودکار به تخصیص تمرین دانش GIS قدرتمند باشد.

بحث و گفتگو

فرآیند تصویربرداری فراطیفی از روش‌هایی برای انجام وظیفه پیشنهادی پیروی می‌کند. این روش‌ها شامل منطقه مورد مطالعه است که به معنای محل انجام آزمایش است. نمونه‌گیری میدانی به معنی داده‌های نمونه جمع‌آوری شده از منطقه مورد مطالعه هستند. آنالیز شیمیایی که به معنای ارزیابی است از ترکیبات شیمیایی و پردازش طیفی، به معنای انجام عملیات بر روی نمونه طیفی جهت غلبه بر داده‌های پرسر و صدا، از فرمول‌های آماری برای پیش‎بینی پارامترها استفاده می‌شود. D. Liaoو همکاران روشی را برای تجسم تصویر فراطیفی در حالت عادی رنگ با هماهنگی HSI و تصویر با وضوح بالا از طریق چندگانه ترازها پیشنهاد کردند. تعداد زیاد و متنوعalignment نقاط رنگی منطبق را شناسایی می‌کند و آن را به صورت جفتی نمایش می‌دهد، در حالی که فضاهای بین آنها نقش پل را بازی می‌کنند.ارتباط تصویربرداری فراطیفی و تصویر RGB یک تصویر فضایی در قالب طبیعی ایجاد می‌کند. این رویکرد دارای مزیت انعطاف‌پذیری است به‌همین دلیل می‌توان آن را برای سناریوهای مختلف اعمال کرد. همین رویکرد نیز به دلیل استفاده از کاربر شناخته شده سفارشی‌سازی، که در آن کاربر می‌تواند باندهای حاصل بصری را با توجه به علاقه مشخص شده اسکن کند. مناطق شیمی‌سنجی و طیف سنجی ارائه روش‌ها و ابزارهای تجزیه و تحلیل شامل «تحلیل رگرسیون حداقل مربعات جزئی» و «مؤلفه اصلی» که برای فرآیند تصویر فراطیفی مفید هستند. گردش‌کار پردازش تصویر ابرطیفی با گردش‌کار پردازش تصویر رنگی متفاوت است اما هر دو نوع داده چند متغیره و چند بعدی هستند. روش‌های تصویربرداری فراطیفی مانند اکتساب‌تصویر، پیش‌پردازش طیفی و فضایی،کاهش ابعاد،کالیبراسیون، استخراج ویژگی و انتخاب برای پردازش HSI استفاده می‌شود. اسکنر خط جاروب فشاری معمولاً به‌صورت سنسور تصویربرداری فراطیفی توزیع شده استفاده می‌شود. جاروب فشاری تمام نقاط داده طول موج را با مختصات مکانی یکسان اسکن می‌کند. در سیستم تصویربرداری فراطیفی، کالیبراسیون روشی که تکرارپذیری و دقت نتایج به‌دست آمده توسط داده‌های تصویربرداری فراطیفی است. کالیبراسیون رویه‌ای که طول موج‌ها را با اعداد باند متصل می‌کند. کالیبراسیون فضایی روشی برای اندازه‌گیری همبستگی هر پیکسل تصویر مانند متر است. پیش‌پردازش فضایی نیز روشی است که در تصویربرداری ابرطیفی برای به حداقل رساندن داده‌های نویز از تصاویر استفاده می‌شود. پس‌پردازش فضایی ارزشمندتر از پیش‌پردازش فضایی در نظر گرفته می‌شود زیرا پیش‌بینی تصاویر و طبقه‌بندی تصاویر که نیاز به دستکاری فضایی، تفسیر و شناسایی الگو رایج هستند. نمونه‌برداری فضایی همچنین می‌تواند به عنوان پوشش پس‌زمینه تولید شده توسط تصاویر باینری در نظر گرفته شود. تبدیل به جذب نیز در طول بازتاب یا عبور داده‌ها برای تجزیه و تحلیل استفاده می‌شود. تصویربرداری فراطیفی حاوی داده‌های نویزدار در حین اسکن در مقیاس بزرگ تصویر است برای کاهش داده‌های پر سر و صدا، نویز زدایی الگوریتم در حوزه طیفی تصویربرداری ابرطیفی انجام می‌شود. استخراج ویژگی نیز روشی ضروری برای تبدیل ویژگی‌های موجود به مجموعه‌ای از ویژگی‌های جدید است. انتخاب زیرمجموعه‌ای از ویژگی ورودی بدون تبدیل استخراج انتخاب نامیده می‌شود. به آن انتخاب زیر مجموعه ویژگی نیز می‌گویند. تصاویر مبتنی بر موزاییک که در یک ادغام تصویر فراطیفی خاص، برای تجزیه و تحلیل داده‌ها و الگوریتم‌های طبقه‌بندی استفاده می‌شود. روش انتشار میل ترکیبی برای انتخاب باندها در تصویربرداری فراطیفی استفاده می‌شود. در این روش رویکرد خوشه‌بندی مبتنی بر محور برای طبقه‌بندی باندهای رنگی مشابه استفاده می‌شود. APتوسط نمودار عامل اعمال می‌شود و سپس عملیات توسط نقاط داده متمرکز از طریق ارسال پیام انجام می‌شود تا زمانی که مجموعه‌ای از باندهای مناسب به‌دست آید. ارائه انتخاب باند با طبقه‌بندی یک پیکسل در داخل تصویر خاص تجزیه و تحلیل می‌شود. طبقه‌بندی پیکسل‌ها به‌جای همه روش‌های دیگر، با انتشار قرابت بهتر انجام می‌شود. بر خلاف روش‌های مرسوم خوشه‌بندی نام برد به‌عنوان K-means، خوشه‌بندی تجمعی، یک تکنیک پیشنهادی(AP) نتایج بهتری از انتخاب باند از طریق ارسال پیام روش به‌دست آورد.

تصویربرداری فراطیفی حاوی اطلاعات عظیمی از نوارهای رنگی است. مجموعه‌ای از نوارهای رنگی می‌تواند پر سر و صدا باشد داده هایی که در نظر گرفته می‌شود قبل از پردازش حذف شوند. در طول پیش‌پردازش، از تکنیک حذف باند دستی برای حذف داده‌های نویز استفاده می‌شود. مشکل مربوط به MBR است شناسایی شده است، زیرا در طول MBR یک داده مهم نیز می‌تواند حذف شود. برای این مشکل، یک تکنیک پیشنهادی برای انتخاب خودکار باندهای نویز به جای انتخاب MBRمعرفی شده است. در روش پیشنهادی ابتدا کاهش موجک برای حذف نویز باندهای تصویر مشخص شده اعمال می‌شود و سپس از رویکرد انتشار قرابت برای طبقه‌بندی باندهای نماینده از داده‌های پر سر و صدا با روشی هوشمند استفاده می‌شود. برای غلبه بر داده‌های پر سر و صدا به‌روشی کارآمد، دو حسگرها اعمال می‌شوند، بنابراین نتایج تجربی نشان می‌دهد که روش پیشنهادی از روش حذف دستی نوار بهتر انجام می‌شود. برای غلبه بر داده‌های پر سر و صدا از تصاویر فراطیفی است همچنین یک تکنیک پیشنهادی پراکنده نمایش بر اساس روش کاهش نویزرا معرفی کرد. این تکنیک به یک جزء بدون نویز بستگی دارد که می‌تواند به‌طور پراکنده در فرهنگ لغت اضافی به جای یک جزء پر سر و صدا خراب شود. این پست همبستگی طیفی – فضایی ساختار HSI با استفاده از بلوک‌های سه‌بعدی به جای تکه‌های دو بعدی برای نمایش پراکنده را نشان می‌دهد. مدل‌های نویز گاوسین و پواسون به‌طور جمعی برای نویزهای وابسته به سیگنال و مستقل از سیگنال‌های در تصاویر فراطیفی مورد استفاده قرار می‌گیرند. روش پیشنهادی برای مجموعه داده های مجازی و واقعی سنجش از راه دور HS خوب است. ناگاناتان و همکاران غذای نرم را برای رضایت مصرف کنندگان پیشنهاد می‌کند. برای این منظور، یک سیستم تصویربرداری فراطیفی فشار جاروب مرتبط با سیستم نورافکن پراکنده طراحی و استانداردسازی شد. برای شناسایی از سه دسته نرمی شامل ویژگی‌های حساس، متوسط ​​و سخت  غذای‌نرم استفاده شد. ویژگی‌های متنی آماری به دست آمده از تجزیه و تحلیل نیروی شکاف برش (SSF) در”مدل تمایز متعارف” برای پیش‌بینی استفاده می‌شود. نتایج حاکی از آن است که تصویربرداری فراطیفی نقش حیاتی در پیش‌بینی غذای نرم ایفا کرده است. در مورد تشخیص اینکه غده با قطر کمتر از ۳ میلی‌متر قابل شناسایی نیست، کمی کمبود وجود داشت.

این مرحله در تحقیق دروازه‌ای را برای تشخیص تومورها با تصویربرداری فراطیفی باز می‌کند و همچنین می تواند برای پیچیدگی محاسبات بهبود یابد. در زمینه مرغداری‌ها از تصویربرداری فراطیفی برای طراحی سریع، روشی دقیق و بدون حواس پرتی برای تشخیص جنین و بهبود باروری در تخمک دارد. یک سیستم تصویر برداری طیفی مادون‌قرمز نزدیک برای شناسایی باروری و بهبود زودرس جنین معرفی شد. برای این آزمایش، در مجموع ۱۷۴ تخم مرغ پوسته سفید شامل ۱۸ عدد مورد استفاده قرارگرفت تخمهای نابارور و ۱۵۶ تخمک بارور به مدت ۴ روز جوجه‌کشی شدند. در طول بازرسی توسط تصویربرداری فراطیفی، تخم به دو بخش یکی برای بارور و دیگری برای نابارور طبقه‌بندی شدند و مجموعه داده‌های هر دسته با روز جوجه‌کشی متفاوت است. فیلتر گابور برای استخراج اطلاعات بافت تصویر تخم‌مرغ استفاده می‌شود. Kبه این معنی است که از تکنیک خوشه‌بندی نیز برای خوشه‌بندی داده‌ها و نتایج برتر استفاده شده ۸۴٫۱%در روز ۴، ۸۱٫۸% در روز ۳، ۷۴٫۱% در روز ۲و ۱۰۰% در ۰روز به‌دست آمد. نتیجه نشان می‌دهد که سه باند آخر به دلیل حداکثر پاسخ انتقال طیفی برای تشخیص استفاده شده می‌تواند برای سیستم تشخیص جهان واقعی برای جنین اولیه و باروری تخم‌مرغ اعمال شود. در زمینه تصویربرداری فراطیفی، تعداد زیادی از محققان با تمرکز بر طراحی انواع مختلف تکنیک های فضایی طیفی در عین حال توجه به سمت توسعه تجربی باقی مانده است. برای ارزیابی تکنیک‌های طبقه‌بندی تصویربرداری فراطیفی، به برنامه آزمایشی قابل اعتماد از جمله مناسب مجموعه داده‌های استاندارد، روش نمونه‌گیری برای آموزش و آزمایش داده‌ها و استاندارد تحلیل منصفانه نیاز دارد. جی لیانگ و همکاران تصادفی پیشنهادی رویکرد نمونه‌گیری برای تکنیک‌های فضایی-طیفی برای کاهش همپوشانی بین نمونه‌های آزمایشی و آموزشی و ارائه قصد بیشتر و ارزیابی دقیق داشتند. نمونه‌گیری تصادفی رویکرد اغلب استفاده می شود، زیرا به همه داده‌های برچسب‌گذاری شده به طور یکنواخت اهمیت می‌دهد و هر نمونه با احتمال مشابه انتخاب می‌شود. مروری بر آنالیز تصویربرداری فراطیفی با تکنیک‌های مختلف وجود دارد.

شبکه عصبی مصنوعی، رمزگذار خودکار، رمزگذار خودکار پشته، شبکه عصبی معمولی و تمایل عمیق برای تجزیه و تحلیل تصویربرداری فراطیفی مورد بحث قرار گرفته است. پس از مقایسه همه اینها نویسنده اشاره کرد که یادگیری عمیق در تجزیه و تحلیل تصویربرداری در بین تکنیک‌های فوق طیفی دیگر عملکرد بهتری داشت. مدل R- VCANet ترکیبی از راهنمای متحرک شبکه تحلیل اجزای فیلتر و رأس است. R-VCANetزمانی مفید است که نمونه‌برداری محدودی برای استخراج ویژگی داده‌های فراطیفی وجود دارد. R-VCANetبر اساس ویژگی‌های طبیعی داده‌های HIS، ویژگی‌های طیفی و اطلاعات مکانی است. از این رو روش پیشنهادی برای طبقه‌بندی تصاویر ابرطیفی بهتر عمل کرده است. مخصوصا زمانی که برچسب‌های نمونه‌برداری محدود است.
ژئوفیزیک نقش حیاتی در مطالعه در مورد تشخیص قبرها پس از ایجاد برخی تغییرات در گورهای مدفون ایفا می‌کند. برای شناسایی قبرهای مخفی، محیط محلی و انواع مختلفی از خاک‌ها را می‌توان مشاهده کرد و داده‌ها مشاهده و جمع‌آوری شده را می‌توان برای تجزیه و تحلیل استفاده کرد. بنابراین مهم است که با آن تجهیزات و سخت‌افزاری که برای جمع‌آوری و تجزیه و تحلیل داده‌ها استفاده می‌شود آشنا شوید. جان جی شولتز از رادار نفوذی زمین برای شناسایی قبرهای مخفی استفاده کرد. برای استفاده از GPR، تنظیم آنتن برای بهترین فرکانس کار پزشکی قانونی نیز مهم است، که به محیط اسپویدوزول بستگی دارد.

از متر القای الکترومغناطیسی نیز برای تعیین محل قبرهای مخفی استفاده می‌شود، اما EMI برای تحقیقات پزشکی قانونی محدود است، بنابراین فقدان تحقیقات منتشر شده با استفاده از متر EMI برای شناسایی اجساد دفن شده مخفیانه در زمینه پزشکی قانونی به نظر می‌رسد. همانطور که اشاره شد بالاتر از اینکه EMI برای تحقیقات پزشکی قانونی محدود است، ایده جدیدی برای انجام بهتر در این زمینه رشته پزشکی قانونی معرفی شده است. بر این اساس، بقایای مدفون را می‌توان به راحتی توسط تصویربرداری فراطیفی تشخیص داد.

با تصویر ابرطیفی، مقیاس بزرگ یک تصویر می‌توان به‌آن دست یافت و با استفاده از شبکه‌های عصبی عمیق، می‌توان آن را به روشی دقیق‌تر طبقه‌بندی کرد. برای عدم اختلاط، طبقه‌بندی و تشخیص هدف ابرطیفی تصاویر، روش‌های پرکاربردی وجود دارد که شامل، مدل‌های پراکنده خطی، مدل‌های مخلوط گاوسی، مدل‌های خطی نهفته، یادگیری گروهی، مدل‌های گرافیکی نظارت‌شده ، ماشین‌های بردار پشتیبانی، خطی رگرسیون، رگرسیون لجستیک، مدل‌های گاوسی، خوشه‌بندی و یادگیری‌عمیق است.

کار آینده

یافتن گورهای مخفی برای دولت (بخش پزشکی قانونی) پس از هر قربانی یک چالش است. مقادیر زیادی در روش‌های سنتی برای مکان‌یابی و شناسایی قبرهای مخفی، به‌عنوان مثال با کمک سگ‌های آموزش‌دیده پزشکی قانونی، نفوذ به زمین رادار، الکترومغناطیسی سنج القایی و حسگر فوق‌طیفی، در زمینه پزشکی قانونی وجود دارد. تعداد زیادی محققانی که برای تسهیل کشف گورهای مخفی کار می‌کنند وجود دارد. در صورت بروز فاجعه ناگهانی، سازمان‌های پزشکی قانونی دولت نقش حیاتی برای شناسایی قربانیان دارند. باستان‌شناسان قانونی و مردم‌شناسان با چالش‌های زیادی در زمینه پزشکی قانونی روبرو هستند. یکی از مشکلاتی که امدادگران اورژانس سعودی باید با آن دست و پنجه نرم کنند این است که گاهی باران های شدید منجر به سیل می‌شود.

قربانیان سیل در عمق ۵۰ سانتی‌متری تا ۲ متری در عمق ماسه دفن می‌شوند. خاکی که قربانیان در زیر آن دفن می‌شوند احتمالاً خاکی رسی است و زهکشی ضعیفی دارد و می‌توان آن را برای مدتی (چند روز) با آب پوشاند. پاسخ‌دهنده‌ها اورژانسی عملیات جستجوی خود را در مناطقی که احتمالاً قربانیان در آن‌ها قرار دارند، مانند دره‌ها (به عنوان مثال، دره الحایر) متمرکز می‌کنند.
با این حال، مناطق مشکوک معمولاً تفسیر بسیار بزرگ هستند روش‌های مرسوم تشخیص قبر مانند استفاده از سگ‌های تشخیص پزشکی قانونی، رادارهای نفوذی زمین و تصویربرداری حرارتی ناکارآمد، چه رسد به هزینه هنگفت و منابع انسانی بزرگ در عملیات جستجو مورد نیاز است. در این مورد، ایده بررسی انتشار و بیوژئوشیمی گازهای قبرها و تشخیص آنها از طریق سنجش از دور، به ویژه تصاویر فراطیفی ایده جالبی به نظر می‌رسد.

تصویرگر ابرطیفی که بر روی یک هواپیمای بدون سرنشین وسیله نقلیه هوابرد (پهپاد) نصب شده می‌تواند بر فراز منطقه مشکوک پرواز کند و تصاویری که ممکن است حاوی ویژگی‌های جذب (امضا) باشد گازهای مورد علاقه عمدتاً CH4، N2O، و CO2 به‌دست آورد. منافذ بالاتر غلظت هوا در گورها و انتشار متان، دی اکسید کربن و اکسید نیتروژن به جو حاکی از وجود گورها در آن مکان خاص است. که می‌تواند با قربانی گم شده مرتبط باشد. در مقایسه با خاک شنی خشک که هوازی است و بنابراین منجر به مصرف متان و/یا اکسیداسیون می‌شود، منطقه جستجو خاک لوم رسی و زهکشی ضعیف و در نتیجه مستعد تولید متان است. این شانس تشخیص گازهای مورد علاقه با استفاده از تکنیک‌های تصویربرداری فراطیفی را افزایش می‌دهد.

برای درک بهتر در مورد تصویربرداری فراطیفی با استفاده از یادگیری عمیق، فرآیند استخراج ویژگی را با استفاده از شبکه عصبی عمیق نشان داد. یک تکه داده‌ای از تصویر ابرطیفی برای لایه ورودی و روی تعداد لایه های پنهان بعدی وجود دارد. تصویر فراطیفی بیشتر برای روند استخراج ویژگی تقسیم می‌شود. پس از فرآیند استخراج ویژگی ترکیبی می‌توان به نتایجی از لایه خروجی دست یافت. نتیجه می‌تواند به‌صورت ۱ یا ۰ باشد که حضور و عدم وجود بقایای دفن شده به ترتیب را نشان می‌دهد. با توجه به روند تحقیقات فعلی، یادگیری عمیق به یک تکنیک پیشرفته و قوی برای استخراج ویژگی‌های تصویر فراطیفی در مقایسه با تکنیک‌های سنتی استخراج ویژگی آن تبدیل شده است. شناسایی مکان‌های دفن مخفی و قبلاً ناشناخته مورد علاقه دولت‌ها برای شروع عملیات نجات است. تشخیص گورهای مخفی ابزاری نوظهور در سنجش از دور فوق طیفی است. در ادبیات، مطالعات نشان داده که امکان استفاده از سنجش از دور فراطیفی تکنیک های کشف گورهای دسته جمعی وجود دارد. برای این منظور یک پهپاد با سنسورهای فراطیفی پوشش داده شده قابل مشاهده برای برای جمع‌آوری تصاویر از محدوده مادون‌قرمز موج کوتاه استفاده شد.

سخت‌افزار مورد نیاز برای تکمیل پروژه:
· حسگر فراطیفی (اکتساب داده ها)
· وسیله نقلیه بدون سرنشین هوابرد(UAV)

• رایانه / لپ‌تاپ با مشخصات بالا برای آزمایش و تجزیه و تحلیل داده‌ها

تکنیک‌ها و ابزارهای مورد استفاده برای تکمیل پروژه:

Matlab· ۲۰۱۷

• استخراج ویژگی ترکیبی
  شبکه عصبی عمیق (طبقه بندی)

پیامدهای تصویربرداری فراطیفی

تصویربرداری فراطیفی به طور گسترده در موارد مختلف کاربردهایی مانند کشاورزی، کانی شناسی، نظارت، فیزیک، نجوم، تصویربرداری شیمیایی و محیط‌زیست استفاده می‌شود. در صنعت کشاورزی، بیماری‌ها زیان‌های جدی برای اقتصاد وارد می‌کند. برای کشاورزی مناسب، نظارت بر گیاهان و درختان از نظر بیماری مهم است. برای تشخیص بیماری‌ها در مراحل اولیه می‌تواند گیاهان و درختان را از تلفات بیشتر نجات دهد، حسگر فراطیفی می‌تواند برای کنترل ویروس با روش‌های سازماندهی شده مانند کاربردهای قارچ‌کش، کاربردهای شیمیایی خاص بیماری و کاربردهای آفت کش کمک کند. از تصاویر فراطیفی در نقشه‌برداری پوشش زمین استفاده می‌شود. پوشش طبقه‌بندی زمین مرتبط با ماهیت زمین مانند علفزار، جنگل، روسازی بتنی و ماسه و غیره است. از طرف دیگر کاربری اراضی نشان‌دهنده استفاده انسان از زمین، به‌عنوان مثال منطقه صنعتی، مسکونی و کشاورزی است. طبقه‌بندی کاربری اراضی کاربردی که برای طبقه‌بندی سطح زمین مانند تصحیح هندسی، حقیقت زمین و حداکثر احتمال است. تشخیص تغییر پوشش زمین یکی دیگر از کاربردها برای تشخیص تغییرات سطح زمین استفاده می‌شود. تشخیص تغییر پوشش زمین یکی دیگر از کاربردها برای تشخیص تغییرات سطح زمین استفاده می‌شود. با مقایسه تصویر موجود و به‌روز شده قابل شناسایی است. تغییرات روی زمین دو نوع اصلی دارد. یکی تغییرات فصلی و دیگری تغییر سالانه، در جنگل‌های تغییر فصلی یا گیاهان با توجه به فصل تغییر می‌کنند، اما در تغییرات سالانه مثلاً چیزهای جدیدی تحولات در  زمین یا محل جنگل‌زدایی رخ می‌دهد. نقشه پوشش گیاهی جهانی یکی دیگر از کاربردهای تصویربرداری فراطیفی است.
با توجه به این برنامه شاخص جهانی پوشش گیاهی داده‌ها حاوی اطلاعات شاخص گیاهی تفاوت نرمال شده (NDVI) است. NDVIبه صورت هفتگی به‌روز می‌شود، بنابراین همچنین می‌تواند حاوی برخی داده‌های نویزدار باشد. آب جزء ضروری زندگی است. پایش کیفیت تصویرگر فراطیفی آب یک کاربرد مهم است. کیفیت آب را می‌توان به دلیل رنگ سایه‌دار مایل به سبز یا زرد آن تجزیه و تحلیل کرد. برای اندازه‌گیری دمای سطح تصویرگر ابرطیفی دریا نیز می‌تواند خدمات را انجام دهد. حسگر فراطیفی همچنین می‌تواند اطلاعات حرارتی را برای یک بازه زمانی کوتاه در یک منطقه بزرگ ارائه دهد. دمای روشنایی سنسوری است که برای تشخیص دمای اجسام استفاده می‌شود. هر جسم دارای تابش متفاوتی است که انرژی الکترومغناطیسی را تخلیه می‌کند. مقدار تابش تقریباً برابر با ۱ است و در مقایسه با دمای زمین ثابت می‌ماند. منطقه پوشیده از برف نیز منطقه قابل تشخیص برای حسگرهای فراطیفی است. در حین بررسی برف، معادل آب برف با تقریب منطقه پوشیده از برف برنامه‌ریزی شده است. اندازه‌گیری ارتفاع را می‌توان با تصویرگر فراطیفی با تطبیق تصاویر استریو نیز محاسبه کرد. دو روش برای اندازه‌گیری ارتفاع اشیا وجود دارد، یکی از آنها قبلاً به عنوان استریو تطبیق و دیگر بر اساس پلاترهای تحلیلی تعریف شده است.

میوه‌ها بخش مهمی از غذا هستند زیرا ویتامین‌ها و انرژی بدن انسان را تأمین می‌کنند. به‌دست آوردن میوه های سالم و تازه نیز یک چالش است. تصویرساز فراطیفی برنامه‌هایی را برای نظارت بر کیفیت میوه‌ها ارائه می دهد. پنگ و لو یک سیستم بازتابی برای شناسایی سفتی سیب و محتویات جامد با استفاده از مرحله جسم ثابت ایجاد کردند. با کمک فیبر طیفی و لنزهای فوکوس، ۲ بعدی تصاویر فراطیفی به‌دست آمد. هوانگ و لو یکی دیگر از ویژگی‌های کیفی که توسط تصویربرداری فراطیفی آنالیز می‌شود، به نام نازک بودن معرفی شد.هاونگ و لو ارتباط بین ارزش غذایی سیب و خط فراطیفی بازتابی تصاویر را تجزیه و تحلیل کردند. ارزش غذایی سیب با سفتی و رسیده بودن محاسبه شد.

سنجش از دور پوشش گیاهی به طور گسترده در جهان برای بررسی کیفیت سبزیجات استفاده می‌شود. کاربرد مهم تصویربرداری فراطیفی در مورد سبزیجات از جمله قارچ، پیاز، گوجه گیلاسی و برگ اسفناج است. آریانا و لو یک سیستم تصویربرداری فراطیفی VIS-NIR طراحی کردند که به حالت بازتابی و حالت انتقال به طور جمعی، درحالی که با استفاده از پیشنهاد حمل و نقل متحرک می‌پیوندد. این سیستم قادر به شناسایی مسائل داخلی ترشیجات و خیار بود که تجسم با چشم انسان غیرممکن بود. همچنین می‌توان از حسگرهای فراطیفی برای نظارت بر کیفیت گوشت‌هایی مانند گوشت خوک، مرغ و گاو استفاده کرد. در زمینه برای تشخیص الگو، سنگ مرمر برای تشخیص کیفیت گوشت استفاده می‌شود. برای استخراج سنگ مرمر، در یک تکنیک پیشنهادی از آشکارساز خط گسترده استفاده شده توسط تشخیص الگو اجرا می‌شود. نتایج با کمک نمودارهای سنگ مرمر استاندارد به دست می‌آیند و با دقت ۹۹ درصد طبقه‌بندی می‌شوند. تصویربرداری فراطیفی برای غذاهای دریایی مانند میگو، ماهی کاد و ماهی آزاد دودی نیز اعمال می‌شود. سیستم فراطیفی مادون‌قرمزنزدیک (NIR) برای تشخیص بیماری‌های دانه در مراحل اولیه با استفاده از چارچوب مدل‌سازی ریاضی طراحی شده است. این سیستم بر اساس طبقه‌بندی نظارت‌شده بود. خان و همکاران مطالعه بر روی پیشرفت‌های پیشرفته در زمینه تجزیه و تحلیل HIS را مطالعه کردند. جزئیات این بررسی بر اساس اصول تصویربرداری فراطیفی شامل وضوح فضایی، وضوح طیفی، وضوح زمانی، ویژگی استخراج است. ثانیاً نویسندگان کاربردهای پیشرفته تصویربرداری فراطیفی مانند کیفیت غذا، ایمنی، امنیت، سنجش از دور، به خصوص در رشته معاینه اسناد پزشکی قانونی برای بررسی عناصر ذاتی و بیرونی استفاده کردند. بعد از مدتها بحث در مورد تصویربرداری فراطیفی، ما متوجه شدیم که تصویربرداری فراطیفی یک حوزه فعال برای تحقیق است که از طریق آن می توان ایده های جدید را پیاده سازی کرد و جهان را تغییر داد.

خلاصه

در این پست، مفهوم اساسی، سنجش از دور فراطیفی، اطلاعات سنجش از دور، روش‌های تصویربرداری فراطیفی و کاربردهای مبتنی بر تصویربرداری فراطیفی را شرح دادیم. ما یک رویکرد بهتر برای شناسایی بقایای مدفون با استفاده از شبکه‌های عصبی عمیق برای استخراج ویژگی معرفی کردیم. در نهایت، ما بر استفاده از تصویربرداری فراطیفی در کاربردهای مختلف تمرکز کردیم. با این حال، فن‌آوری تصویربرداری فراطیفی با استفاده از یادگیری عمیق به تدریج تبدیل به یک فرصت عالی برای محققان، در زمینه زیست‌پزشکی، پوشش‌گیاهی، به ویژه در زمینه پزشکی قانونی است.

کلیدواژه:هوش مکانی،تصویر برداری،ونوس نصیرفام،فراطیفی، سنجش از راه دور،طیفی،فن آوری، شبکه‌های عصبی،hyper، سنسور،پیکسل،NDVI،کالیبراسیون، هوابرد، مدل های گرافیکی، مادون قرمز.