Características de los sensores hiperespectrales para el sensoramiento remoto
0 recomendaciones692 vistas
Este documento describe las características de los sensores hiperespectrales para el sensoramiento remoto. Explica qué es la imagen hiperespectral y cómo se construyen los sensores hiperespectrales utilizando elementos como separadores espectrales, lentes y sensores. También describe parámetros clave como la densidad espectral y espacial, el rango espectral, las limitaciones y cómo seleccionar el sensor adecuado para cada aplicación.
![Rango espectral
10-12 10-9 10-6 10-3 100 103
Visible
(400 nm – 700 nm)
UltravioletX-raysGamma-rays
Infrared
(0.7 μm – 1 mm)
Microwaves Radio
[meters]
Ionizing radiation
Electromagnetic spectrum classification by wavelength range
NIR 0.7 μm – 1.4 μm
MWIR 3 μm – 8 μm
LWIR 8 μm – 15 μm
SWIR 1.4 μm – 3 μm
FIR 15 μm – 1 mm](https://image.slidesharecdn.com/sensoramientoremoto-180620023556/85/Caracteristicas-de-los-sensores-hiperespectrales-para-el-sensoramiento-remoto-18-320.jpg)
Más contenido relacionado
La actualidad más candente (20)
Similar a Características de los sensores hiperespectrales para el sensoramiento remoto (20)
Características de los sensores hiperespectrales para el sensoramiento remoto
- 1. Características de los sensores hiperespectrales para el sensoramiento remoto Julio Hernández Investigación y Desarrollo HySpex
- 2. Temario • ¿Qué es la imagen hiperespectral? • ¿Cuál es el origen de la información espectral? • Características de los sensores hiperespectrales • Limitaciones de los sensores hiperespectrales • ¿Cómo seleccionar el sensor adecuado?
- 3. ¿Qué es la Imagen Hiperespectral?
- 4. Imagen Hiperespectral = espectrometría de imagen Imagen: Medición/registro de señales luminosas como función de la posición espacial Espectrometría: Medición de la distribución de la luz como función de la longitude de onda λ RGB • A distintas substancias (minerales, tejidos vivos, materiales sintéticos, etc.) corresponden distintas respuestas espectrales. • La imagen hiperespectral ofrece informacion espectral detallada en cada pixel de la escena. • El espectro en cada pixel puede ser utilizado para identificar materiales y/o sus propiedades en la escena. VNIR SWIR IMAGE CUBE: l
- 5. Ejemplos ilustrativos: identificación de especies arbóreas
- 6. Ejemplos ilustrativos: detección de camuflajes
- 7. Ejemplos ilustrativos: detección de variedades minerales
- 8. 3 2 1 Ejemplos ilustrativos: detección de explosivos caseros
- 9. Description of vegetals and corals Seaweeds / Algaes / corals Submarine « Vegetation Index » Description of minerals Sand / rocks Ejemplos ilustrativos: análisis de composición costera
- 10. • Fundamentos físicos: interacción luz-materia NOTA: La radiación electromagnética interactúa con la materia en función de su longitud de onda λ ¿Cuál es el origen de la información espectral?
- 11. ¿Cuál es el origen de la información espectral? • Fundamentos físicos: difracción, refracción, filtrado y dispersión de la luz – Difracción: desviación de la luz debida a obstáculos en la dirección de propagación. Puede utilizarse para generar patrones de interferencia constructiva. – Refracción: desviación de la dirección de propagación de la luz debido a cambios en el medio de transmisión. El índice de refracción es función de λ. – Dispersión: efecto colectivo de refracción de un haz policromático como función de λ. – Filtrado: transmisión selectiva de la luz a través de un medio. Puede ser por absorción selectiva o interferencia. Luz dispersada por una rejilla de difracciónLuz dispersada por una prisma IMG https://en.wikipedia.org/wiki/Dispersion_(optics) https://en.wikipedia.org/wiki/Diffraction_grating Luz blanca incidente Medio con n(λ) Luz dispersada Luz blanca incidente Rejilla de difracción Luz dispersada Luz blanca incidente Filtros Luz rem anente transm itida Luz filtrada por absorción o interferencia
- 12. • Fundamentos químicos: transiciones electrónicas Modelo atómico Niveles energéticos del átomo NOTA: Las transiciones energéticas están reguladas por los procesos de absorción, emisión y disipación en el átomo. ¿Cuál es el origen de la información espectral? IMG: https://www.askiitians.com/iit-jee-structure-of-atom-and-nucleus/energy-levels-of-hydrogen-atom/
- 13. • Fundamentos químicos: de átomos a sistemas complejos Espectro de emisión de He Espectro de radiancia de vegetación bajo imuminación solar (int. rel.) NOTA: El espectro de reflectancia de un objeto macroscópico es el resultado de las transiciones energéticas colectivas del sistema ¿Cuál es el origen de la información espectral? IMG: https://www.vernier.com/images/magnify/figure.lp.vsp-em._full._visible._spectrum._range.001.png
- 14. ¿Cómo construir un sensor hiperespectral? • Elementos tecnológicos: – Separadores espectrales: Dispersores, filtros, interferómetros u otros mecanismos para separar una señal luminosa de banda ancha en sus componentes espectrales. – Lentes: componentes para dirigir, colimar y enfocar la luz. – Sensores: material fotosensible para recolectar y cuantificar la luz como función de λ. IMG: https://www.homesciencetools.com/product/diffraction-grating-1000-lines-mm/ http://www.altechna.com/product_details.php?id=54 http://photographycourse.net/what-is-the-ccd/
- 15. Sensores hiperespectrales Existen distintos tipos: • Filtro ajustable • Barrido en línea • Snapshot Alta resolución espacial y espectral Aberraciones ópticas muy bajas Instrumento científico versátil multi-plataforma Precio alto Susceptible a cambios temporales en la escena Rápido y ligero Precio medio Adecuado para pruebas en campo Baja resolución espacial y espectral Aberraciones ópticas significativas Alta resolución espacial y espectral Aberraciones ópticas significativas Instrumento científico de aplicación moderada Precio medio Susceptible a cambios temporales en la escena
- 16. Arquitectura de un sensor de barrido (push broom)
- 17. IT IFOV Scene/ Target SCAN Operación de un sensor de barrido (push broom)
- 18. Rango espectral 10-12 10-9 10-6 10-3 100 103 Visible (400 nm – 700 nm) UltravioletX-raysGamma-rays Infrared (0.7 μm – 1 mm) Microwaves Radio [meters] Ionizing radiation Electromagnetic spectrum classification by wavelength range NIR 0.7 μm – 1.4 μm MWIR 3 μm – 8 μm LWIR 8 μm – 15 μm SWIR 1.4 μm – 3 μm FIR 15 μm – 1 mm
- 19. Densidad espectral Densidad espectral: 160 bandas Densidad espectral: 32 bandas
- 20. Densidad espacial Dirección de vuelo 1600 pixeles
- 22. Otros parámetros relevantes • Relación Señal-Ruido (RSR): típicamente se da el valor máximo para alguna longitud de onda. • Resolución digital: número de bits/escala de grises de cada canal espectral. • Campo de Visión (FOV): ángulo que cubre el sensor al mirar en alguna dirección. Se relaciona con el área que puede cubrir el sensor.
- 23. Características de los sensores hiperespectrales Generales • Rango espectral • Densidad espectral • Densidad espacial • Método de adquisición • Relación Señal-Ruido (RSR) • Resolución digital • Campo de Visión (FOV) Avanzadas • Resolución espacial y espectral • FWHM espacial y espectral • Aberraciones ópticas • Ruido Base • Distribución del RSR(λ) • Rango dinámico • Velocidad de adquisición • Luz extraviada • Dependencia de polarización • Estabilidad térmica y temporal • Linealidad de respuesta f(t) y f(I)
- 24. Real spatial resolution Resolución y FWHM espacial NOTA: La resolución y la densidad espacial NO son necesariamente iguales. Δ FWHM
- 25. Spectrally narrow band signal through slit Resolución y FWHM espectral Real spectral resolution NOTA: La resolución y la densidad espectral NO son necesariamente iguales. Δ FWHM
- 26. Resolución vs densidad Nominal PSF Local PSF Maximum real PSF Spatial Spectral Binned pixel / Reduced resolution Design Real Optical system Sensor array Sensor pixel
- 27. Aberraciones ópticas: distorsión espectral (“smile”) λ ≠ Smile free With smile λ
- 28. With keystone Aberraciones ópticas: distorsión espacial (“keystone”) λ ≠ λ Keystone free
- 29. λ Dispersed image on the sensor: Consider a scene with 2 pure colors separated spatially: SpatialX Scanning direction “Keystone”: consecuencias de la distorsión espacial Keystone tendency Class 1 Class 2 λ Without keystone Correct spectrum Processed image Correct classification λ With keystone Class 1 Class 2 Class 3 Unphysical spectrum! Unreal classes! Processed image Consider the pixel with the Green box (a pure red pixel): NOTA: No confundir con mezcla espectral (“spectral mixing”).
- 30. Ejemplo de imágenes con distintos grados de distorsión Original image: 3 glass ceramics classes, 1-4 pixel size objects.
- 31. Keystone: effects on detection and classification SAM PCA
- 33. Relación Señal-Ruido La relación Señal-Ruido es una función de λ que depende del espectro utilizado para cuantificarlo y del tiempo de integración de la señal. Un valor referencial máximo (“Peak Value”) no es suficiente para predecir el comportamiento del sensor. Perfil delailuminaciónutlizada paracuantificar laRSR RSR como f(λ) tomado a 6ms de tiempo de integración sin binning
- 34. Otros parámetros relevantes Luz extraviada (“stray light”): es luz que llega al sensor proveniente de reflexiones internas que contaminan la señal; pueden cambiar significativamente la señal en algunas bandas espectrales. Velocidad máxima de adquisición: para instrumentos aerotransportados es necesario saber que el sensor puede ser operado con la rapidez necesaria para el vuelo. Dependencia de polarización: La luz reflejada por algunas superficies se polariza de manera natural. Algunos sensores miden de manera distinta los diferentes estados de polarización. Estabilidad térmica: las variaciones térmicas inducen cambios estructurales en los sensores. Un buen sensor debe mantener la calibración espectral y espacial en un rango amplio de temperaturas. Linealidad de respuesta: el sensor debe medir variaciones lineales de la intensidad y el tiempo de integración de manera también lineal.
- 35. ¿Cuál es el desempeño de los sensors HySpex de acuerdo a estos criterios? Especificaciones Reporte Data
- 36. Limitaciones de los sensores hiperespectrales • La información obtenida proviene de la superficie de los objetos en la escena à Correlación.
- 37. Limitaciones de los sensores hiperespectrales • Se requiere de un procesamiento eficaz para extraer información útil de los datos hiperespectrales así como entendimiento de la fenomenología del problema à Experticia por área de aplicación Imagén de clasificacíon de granos de café de acuerdo al grado de madurez
- 38. Limitaciones de los sensores hiperespectrales • Costos: instrumentación, aplicación y manejo de datos.
- 39. ¿Cómo seleccionar el sensor adecuado? • Definir requerimientos espectrales – ¿Necesito más bandas? – ¿Cuál es la región espectral relevante para mi problema? – ¿Cuál es el tamaño de las estructuras espectrales que quiero detectar? • Definir requerimientos espaciales – ¿Qué resolución necesito? – ¿Cambia rápido la escena? • ¿Cuál es mi objetivo al utilizar datos hiperespectrales? – Investigación básica – Investigación aplicada – Aplicación directa a un único problema (industria/medicina/defensa/minería/etc.)
- 40. ¿Por qué utilizar un sensor hiperespectral? En la imagen hay una planta de plástico y un muñeco “Lego” escondido.
- 41. ¿Por qué utilizar un sensor hiperespectral? Tras hacer un procesamiento de clasificación espectral.
- 42. ¿Por qué utilizar un sensor hiperespectral? Tras hacer un procesamiento de detección de anomalías.