

La imagen multiespectral captura datos de imagen dentro de rangos de longitud de onda específicos a lo largo del espectro electromagnético . [ 1 ] Las longitudes de onda pueden separarse mediante filtros o detectarse con el uso de instrumentos sensibles a longitudes de onda particulares, incluyendo 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 capta con sus receptores visibles para rojo, verde y azul . Originalmente se desarrolló para la identificación de objetivos militares y el reconocimiento. Las primeras plataformas de imágenes espaciales incorporaron la tecnología de imagen multiespectral [ 2 ] para mapear detalles de la Tierra relacionados con límites costeros, vegetación y formas del relieve. [ 3 ] La imagen multiespectral también se ha utilizado en el análisis de documentos y pinturas. [ 4 ] [ 5 ]
La imagen multiespectral mide la luz en un número reducido (normalmente de 3 a 15) de bandas espectrales . La imagen hiperespectral es un caso especial de imagen espectral donde a menudo se dispone de cientos de bandas espectrales contiguas. [ 6 ]
Uso de la banda espectral
Para distintos fines, se pueden utilizar diferentes combinaciones de bandas espectrales. Generalmente 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 su baja resolución espacial, salvo en casos especiales.
- El color verdadero utiliza únicamente los canales rojo, verde y azul, asignados a sus respectivos colores. Al ser una fotografía en color plano, resulta útil para analizar objetos artificiales y es fácil de comprender para analistas principiantes.
- El sistema verde-rojo-infrarrojo , donde el canal azul se reemplaza por infrarrojo cercano, se utiliza para detectar vegetación, que es altamente reflectante en el infrarrojo cercano; por lo tanto, se muestra en color azul. Esta combinación se usa frecuentemente para detectar vegetación y camuflaje.
- El sistema Blue-NIR-MIR utiliza el azul visible, el verde el infrarrojo cercano (NIR, por lo que la vegetación permanece verde) y el infrarrojo medio (MIR) se muestra en rojo. Estas imágenes permiten observar la profundidad del agua, la cobertura vegetal, la humedad del suelo y la presencia de incendios, todo en una sola imagen.
Se utilizan muchas otras combinaciones. El infrarrojo cercano (NIR) suele mostrarse en rojo, lo que provoca que las zonas cubiertas de vegetación aparezcan rojas.
Bandas espectrales típicas
Las longitudes de onda son aproximadas; los valores exactos dependen de los instrumentos específicos (por ejemplo, las características de los sensores del satélite para la observación de la Tierra, las características de la iluminación y los sensores para el análisis de documentos):
- La luz azul , de 450 a 515/520 nm, se utiliza para la obtención de imágenes de la atmósfera y de aguas profundas, y puede alcanzar profundidades de hasta 50 metros (150 pies ) en aguas claras.
- El espectro verde , de 515/520–590/600 nm, se utiliza para obtener imágenes de vegetación y estructuras de aguas profundas, hasta 90 pies (30 m) en aguas claras.
- La luz roja , de 600/630 a 680/690 nm, se utiliza para obtener imágenes de objetos artificiales, en agua de hasta 9 metros (30 pies) de profundidad, suelo y vegetación.
- El infrarrojo cercano (NIR), de 750 a 900 nm, se utiliza principalmente para obtener imágenes de la vegetación.
- La luz infrarroja media (MIR), de 1550 a 1750 nm, se utiliza para obtener imágenes de la vegetación, el contenido de humedad del suelo y algunos incendios forestales .
- La luz infrarroja lejana (FIR), de 2080 a 2350 nm, se utiliza para obtener imágenes del suelo, la humedad, las características geológicas, los silicatos, las arcillas y los incendios.
- La termografía infrarroja , de 10.400 a 12.500 nm, utiliza la radiación emitida en lugar de la reflejada para obtener imágenes de estructuras geológicas, diferencias térmicas en las corrientes de agua, incendios y para estudios nocturnos.
- El radar y las tecnologías relacionadas son útiles para cartografiar el terreno y detectar diversos objetos.
Clasificación
A diferencia de otros trabajos de interpretación de imágenes aéreas y satelitales , estas imágenes multiespectrales no permiten identificar fácilmente el tipo de elemento 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 los elementos presentes en la imagen.
Dicha clasificación es una tarea compleja que implica una validación rigurosa de las muestras de entrenamiento, dependiendo del algoritmo de clasificación utilizado. Las técnicas se pueden agrupar principalmente en dos tipos.
- Técnicas de clasificación supervisada
- Técnicas de clasificación no supervisada
La clasificación supervisada utiliza muestras de entrenamiento. Estas muestras son áreas del terreno para las que existe información de referencia , es decir, se conoce lo que hay. Las firmas espectrales de las áreas de entrenamiento se utilizan para buscar firmas similares en los píxeles restantes de la imagen, y se clasifican en consecuencia. Este uso de muestras de entrenamiento para la clasificación se denomina clasificación supervisada. El conocimiento experto es fundamental en este método, ya que la selección de las muestras de entrenamiento y una selección sesgada pueden afectar negativamente la precisión de la clasificación. Entre las técnicas más populares se encuentran el principio de máxima verosimilitud y las redes neuronales convolucionales . El principio de máxima verosimilitud calcula la probabilidad de que un píxel pertenezca a una clase (es decir, una característica) y lo asigna a su clase más probable. Los métodos más recientes basados en redes neuronales convolucionales [ 7 ] tienen en cuenta tanto la proximidad espacial como el espectro completo para determinar la clase más probable.
En el caso de la clasificación no supervisada, no se requiere conocimiento previo para clasificar las características de la imagen. Se observa la agrupación natural de los valores de los píxeles (es decir, los niveles de gris de los píxeles). Luego se define un umbral para determinar el número de clases en la imagen. Cuanto más fino sea el valor del umbral, mayor será el número de clases. Sin embargo, más allá de cierto límite, la misma clase estará representada en diferentes clases, en el sentido de que se representa la variación dentro de la clase. Después de formar los clústeres, se realiza una validación de la verdad fundamental para identificar la clase a la que pertenece cada 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 más populares en la clasificación no supervisada es el agrupamiento k-means .
Software de análisis de datos
Aplicaciones
Seguimiento de objetivos militares
La imagen multiespectral mide la emisión de luz y se utiliza 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 una matriz de plano focal (FPA) de imagen multiespectral de doble banda. Esta FPA permitió a los investigadores observar dos planos infrarrojos (IR) al mismo tiempo. [ 10 ] Debido a que las tecnologías de infrarrojo de onda media (MWIR) e infrarrojo 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 imagen térmica .
El brillo de la imagen producida por una cámara termográfica depende de la emisividad y la temperatura del objeto. [ 11 ] Cada material tiene una firma infrarroja que ayuda a identificar el objeto. [ 12 ] Estas firmas son menos pronunciadas en los sistemas hiperespectrales (que capturan imágenes en muchas más bandas que los sistemas multiespectrales) y cuando se exponen al viento y, de forma más drástica, a la lluvia. [ 12 ] A veces, la superficie del objetivo puede reflejar energía infrarroja. Esta reflexión puede distorsionar la lectura real de la radiación inherente del objeto. [ 13 ] Los sistemas de imágenes que utilizan tecnología MWIR funcionan mejor con las reflexiones solares en la superficie del objetivo y producen imágenes más nítidas de objetos calientes, como motores, en comparación con la tecnología LWIR. [ 14 ] Sin embargo, LWIR funciona mejor en entornos brumosos como humo o niebla porque se produce menos dispersión en las longitudes de onda más largas. [ 11 ] Los investigadores afirman que las tecnologías de doble banda combinan estas ventajas para proporcionar más información de una imagen, particularmente en el ámbito del seguimiento de objetivos. [ 10 ]
Para la detección de objetivos nocturnos, la imagen térmica superó a la imagen multiespectral de banda única. La tecnología de doble banda MWIR y LWIR resultó en una mejor visualización durante la noche que la MWIR sola. Cita. El Ejército de los EE. UU. informa que su FPA de doble banda LWIR/MWIR demostró una mejor visualización de vehículos tácticos que la MWIR sola después de rastrearlos tanto de día como de noche.
detección de minas terrestres
Mediante el análisis de la emisividad de las superficies terrestres, la imagen multiespectral puede detectar la presencia de misiles subterráneos. El suelo superficial y subsuperficial posee diferentes propiedades físicas y químicas que aparecen en el análisis espectral. [ 12 ] El suelo alterado presenta una mayor 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. [ 10 ] El FPA dual MWIR/LWIR del Laboratorio de Investigación del Ejército de EE. UU. utilizó detectores "rojo" y "azul" para buscar áreas con mayor emisividad. El detector rojo actúa como fondo, verificando áreas de suelo no alterado, 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 durante el escaneo, es probable que esa región esté alterada . Los científicos informaron que la fusión de estas dos imágenes aumentó las capacidades de detección. [ 10 ]
Detección de misiles balísticos
La interceptación de un misil balístico intercontinental (ICBM) en su fase de propulsión requiere la obtención de imágenes tanto del cuerpo sólido como de las estelas del cohete. El infrarrojo de onda media (MWIR) presenta una señal fuerte de objetos altamente calientes, incluidas las estelas del cohete, mientras que el infrarrojo de onda larga (LWIR) produce emisiones del material del cuerpo del misil. El Laboratorio de Investigación del Ejército de los EE. UU. informó que, con su tecnología de doble banda MWIR/LWIR, el seguimiento de los vehículos de lanzamiento desechables Atlas 5 Evolved, de diseño similar a los ICBM, detectó tanto el cuerpo del misil como las estelas. [ 10 ]
Imágenes desde el espacio
La mayoría de los radiómetros para teledetección (RS) adquieren imágenes multiespectrales. Al dividir el espectro en muchas bandas, la multiespectral es lo opuesto a la pancromática , que registra solo la intensidad total de la radiación que incide en cada píxel . [ 15 ] 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.
Pronóstico del tiempo
Los satélites meteorológicos modernos producen imágenes en una variedad de espectros. [ 16 ]
La imagen multiespectral combina de dos a cinco bandas de imagen espectral de ancho de banda relativamente grande en un único sistema óptico. Un sistema multiespectral generalmente proporciona 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 solo sistema. — Valerie C. Coffey [ 17 ]
En el caso de los satélites Landsat , se han utilizado varias designaciones de bandas diferentes, llegando a haber hasta 11 bandas ( Landsat 8 ) que componen una imagen multiespectral. [ 18 ] [ 19 ] [ 20 ] 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. [ 20 ]
Documentos y obras de arte
La imagen multiespectral puede emplearse para la investigación de pinturas y otras obras de arte. [ 4 ] La pintura se irradia con rayos ultravioleta , visible e infrarrojo , y la radiación reflejada se registra en una cámara sensible a esta región del espectro. La imagen también puede registrarse utilizando la radiación transmitida en lugar de la reflejada. En casos especiales, la pintura puede irradiarse con rayos UV , VIS o IR, y se puede registrar la fluorescencia de pigmentos o barnices . [ 21 ]
El análisis multiespectral ha ayudado en 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 , capturando imágenes de las hojas de pergamino en anchos de banda de 365 a 870 nm y luego utilizando técnicas avanzadas de procesamiento digital de imágenes para revelar el texto subyacente con la obra de Arquímedes. [ 22 ] La imagen multiespectral se ha utilizado en un proyecto de la Fundación Mellon en la Universidad de Yale para comparar tintas en manuscritos ingleses medievales. [ 5 ]
La imagen multiespectral 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 permite identificarla. Esta técnica se ha empleado para examinar textos médicos y alquímicos , buscando indicios sobre las actividades de los primeros químicos y las posibles sustancias químicas que pudieron haber utilizado en sus experimentos. Al igual que un cocinero 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 elaborar medicamentos. [ 23 ]
Véase también
Referencias
- ↑ Mukhtar, Sani; Arbabi, Amir; Viegas, Jaime (2025). "Avances en imágenes espectrales: una revisión de técnicas y tecnologías" . IEEE Access . 13 : 35848–35902 . doi : 10.1109/ACCESS.2025.3544476 .
- ↑ RA Schowengerdt. Teledetección: Modelos y métodos para el procesamiento de imágenes, Academic Press, 3.ª ed., (2007)
- ↑ "13. Procesamiento de imágenes multiespectrales | La naturaleza de la información geográfica" . www.e-education.psu.edu . Consultado el 14 de noviembre de 2019 .
- 1 2 Baronti, A. Casini, F. Lotti y S. Porcinai, Sistema de imágenes multiespectrales para el mapeo de pigmentos en obras de arte mediante el uso de análisis de componentes principales, Applied Optics Vol. 37, Número 8, págs. 1299–1309 (1998)
- 1 2 Weiskott, Eric. «Imágenes multiespectrales y manuscritos medievales». En The Routledge research companion to digital medieval literature . Boyle, Jennifer E., y Helen J. Burgess. Londres: Routledge. Págs. 186-196.
- ↑ Hagen, Nathan; Kudenov, Michael W. (2013). "Revisión de tecnologías de imágenes espectrales instantáneas" . Optical Engineering . 52 (9) 090901. Bibcode : 2013OptEn..52i0901H . doi : 10.1117/1.OE.52.9.090901 .
- ↑ Ran, Lingyan; Zhang, Yanning; Wei, Wei; Zhang, Qilin (23-10-2017). "Un marco de clasificación de imágenes hiperespectrales con características de pares de píxeles espaciales" . Sensors . 17 ( 10): 2421. Bibcode : 2017Senso..17.2421R . doi : 10.3390/s17102421 . PMC 5677443. PMID 29065535 .
- ↑ Biehl, Larry; Landgrebe, David (1 de diciembre de 2002). "MultiSpec: una herramienta para el análisis de datos de imágenes multiespectrales e hiperespectrales" . Computers & Geosciences . 28 (10): 1153–1159 . Bibcode : 2002CG.....28.1153B . doi : 10.1016/S0098-3004(02)00033-X . Consultado el 28 de abril de 2017 .
- ↑ Jordan, Johannes; Angelopoulou, Elli (2010). «Gerbil: un novedoso marco de software para la visualización y el análisis en el dominio multiespectral». En Reinhard Koch (ed.). Visión, modelado y visualización . The Eurographics Association. doi : 10.2312/PE/VMV/VMV10/259-266 . ISBN 978-3-905673-79-1.
- 1 2 3 4 5 Goldberg, A.; Stann, B.; Gupta, N. (julio de 2003). "Investigación sobre imágenes multiespectrales, hiperespectrales y tridimensionales en el Laboratorio de Investigación del Ejército de los EE. UU." (PDF). Actas de la Conferencia Internacional sobre Fusión Internacional [6.ª] . 1: 499–506.
- 1 2 "Introducción a la teoría IR" . Opto Engineering . Consultado el 15 de agosto de 2018 .
- 1 2 3 Makki, Ihab; Younes, Rafic; Francis, Clovis; Bianchi, Tiziano; Zucchetti, Massimo (2017-02-01). "Un estudio sobre la detección de minas terrestres mediante imágenes hiperespectrales" (PDF) . ISPRS Journal of Photogrammetry and Remote Sensing . 124 : 40–53 . Bibcode : 2017JPRS..124...40M . doi : 10.1016/j.isprsjprs.2016.12.009 . ISSN 0924-2716 .
- ↑ Li, Ning; Zhao, Yongqiang; Pan, Quan; Kong, Seong G. (2018-06-25). "Eliminación de reflexiones en imágenes LWIR con características de polarización" . Optics Express . 26 (13): 16488– 16504. Bibcode : 2018OExpr..2616488L . doi : 10.1364/OE.26.016488 . ISSN 1094-4087 . PMID 30119479 .
- ↑ Nguyen, Chuong; Havlicek, Joseph; Fan, Guoliang; Caulfield, John; Pattichis, Marios (noviembre de 2014). "Seguimiento robusto de objetivos infrarrojos de doble banda MWIR/LWIR". 48.ª Conferencia de Asilomar sobre Señales, Sistemas y Computadoras de 2014. págs. 78–83 . doi : 10.1109/ACSSC.2014.7094401 . ISBN 978-1-4799-8297-4. S2CID 9071883 .
- ↑ "3.1.1. Imágenes multiespectrales y pancromáticas" . Proyecto STARS . Consultado el 14 de mayo de 2018 .
- ↑ Bellerby, Tim; Todd, Martin; Kniveton, Dom; Kidd, Chris (2001). "Estimación de la precipitación a partir de una combinación de imágenes satelitales multiespectrales del radar de precipitación TRMM y GOES mediante el uso de una red neuronal artificial" . Journal of Applied Meteorology . 40 (12): 2115. doi : 10.1175/1520-0450(2001)040 < 2115 :REFACO > 2.0.CO ; 2. ISSN 1520-0450 . S2CID 119747098 .
- ↑ Coffey, Valerie C. (1 de abril de 2012). "La imagen multiespectral se populariza" . Optics and Photonics News . 23 (4): 18. doi : 10.1364/OPN.23.4.000018 . Consultado el 14 de mayo de 2018 .
- ↑ "¿Cuáles son las designaciones de banda para los satélites Landsat?" . Servicio Geológico de los Estados Unidos . Archivado del original el 22 de enero de 2017 . Consultado el 25 de abril de 2018 .
- ↑ Grolier, Maurice J.; Tibbitts Jr., G. Chase; Ibrahim, Mohammed Mukred (1984). Una evaluación cualitativa de la hidrología de la República Árabe de Yemen a partir de imágenes Landsat Water Supply Paper 1757-P Por . USGPO pág. 19 . Recuperado el 14 de mayo de 2018 .
- 1 2 Tatem, Andrew J.; Goetz, Scott J.; Hay, Simon I. (2008). "Cincuenta años de satélites de observación de la Tierra" . American Scientist . 96 (5): 390– 398. doi : 10.1511/2008.74.390 . PMC 2690060. PMID 19498953 .
- ↑ Imágenes multiespectrales en ColourLex
- ↑ "Imágenes multiespectrales del palimpsesto de Arquímedes" . El proyecto del palimpsesto de Arquímedes . Consultado el 17 de septiembre de 2015 .
- ↑ Avril, Tom (14 de mayo de 2018). "Los escaneos revelan secretos del libro medieval de 'Harry Potter' y textos médicos en Penn" . The Philadelphia Inquirer . Consultado el 14 de mayo de 2018 .
Lecturas adicionales
- Hough, Harold (1991). Vigilancia por satélite . Port Townsend, Wash.: Loompanics Unlimited. ISBN 1-55950-077-8.
Enlaces externos
- Sc.chula.ac.th
- Academic.emporia.edu
- Imágenes multiespectrales en el Instituto de Investigación
- Teledetección
- Espectroscopia
- Imágenes