Datenformat und Dateistruktur

Das am häufigsten verwendete Speicherformat für High-Spectrum-Kameras ist das ENVI-Standardformat, das Dateien .hdr und .raw umfasst, und einige Geräte werden mit einer .dci-Datenerfassungsdatei geliefert.

2.2 Einführung des ENVI-Formats(.hdr + .raw)

hdr Speichermetainformationen (Wellenlänge, Größe, Datentyp usw.)

Die Datei .hdr ist reiner Text, definiert durch den ENVI-Standard und zeichnet alle wichtigen Informationen über das gesamte hochspektrale Bild auf (Breite W)

·Linien (Höhe H)

·Bands (Anzahl der Spektren)

·interleave (Speichermethode wie BIP/BSQ/BIL)

·Datentyp (z. B. uint16, float32)

·Wellenlänge (Wellenlänge für jedes Band)

·Sensortyp (Sensortyp)）

.raw Spektrale Datenmatrix speichern

.raw ist eine reine binäre Datei, die die ursprünglichen numerischen Quantitäten aller Pixel und Bands aufzeichnet. Es enthält nur die Daten selbst, keine Informationen über Größe, Wellenlänge usw. und muss mit .hdr-Dateien verwendet werden.

Daten werden in der Regel auf eine der folgenden drei Arten gespeichert:

·BSQ (Bandspeicherung)

·BIL (Zeilenspeicherung)

·BIP (Speicher pro Pixel)

Verschiedene Speichermethoden können Auswirkungen auf die Lesegeschwindigkeit und die Effizienz der Datenverarbeitung haben.

.dci Speicherung Datenerfassung

Die High-Spectrum-Kamera generiert eine benutzerdefinierte .dci-Datei, die aufzeichnet:

·Kamera (Kameramodell)

·R\G\B (RGB bei der Datenerfassung)

·ExposureTime (Belichtungszeit)

·Gewinn (gain)

·ObjectDistance bewegt die Geschwindigkeit oder den Schritt der Plattform (schiebet die Kamera)

·POS:

·Länge und Breite (Latitude)

·Altitude (Höhe)

·Höhe (relative Höhe)

Diese Datei dient hauptsächlich experimentellen Aufzeichnungen und ist in der Regel nicht an der Datenverarbeitung beteiligt.

Hochspektralkamera am Boden Hochspektralkamera an Bord

2.2 Datendimensionen(H × W × Bänder)

Hochspektrale Bildgebung bildet schließlich einen dreidimensionalen Datenwürfel:

·H (Height): Bildhöhe

·W (Breite): Bildbreite

·Bands: Wie viel Dimensionsspektrum jedes Pixel hat

Daher ist die Menge an hochspektralen Daten wesentlich größer als bei gewöhnlichen Bildern und eine der Herausforderungen bei der Entwicklung nachfolgenden Algorithmen.

2.3 Häufige Sammlungsmuster und Auswirkungen(Vorwärts vs. Vorwärts)

Die Erfassungsmethode der Hochspektrumkamera ist hauptsächlich in zwei Kategorien unterteilt: Push (Line-Sweep) und Face-Array (Snapshot), die jeweils für verschiedene Anwendungsszenarien geeignet sind.

1) Hochspektralkamera

Auch als Linienarray-Kamera bezeichnet, erfasst sie nur eine Linie (X-Richtung) jedes Mal und führt den Y-Scan während der Bewegung der Probe oder der Kamera durch. Der Bildverarbeitungsprozess besteht darin, dass nach jedem Bild auf einer Linie (X-Richtung) während des Fortschritts des Förderbandes des Erkennungssystems der angeordnete Detektor eine Bandbahn abfeuert und somit den Längsabtast (Y-Richtung) durchführt. Durch die Integration von transversalen Scaninformationen können 3D-hochspektrale Bilddaten von Proben erhalten werden.

Bildgebungsprinzip:

·Im Inneren der Kamera gibt es einen Spalt.

·Licht wird nach der Rasterspektralisierung auf den Leitarray-Detektor projiziert

·Bewegungsplattformen (oder Förderbänder) drücken die Probe, sodass die Kamera linear scannt

·Endgültige Bildung eines vollständigen hochspektralen Würfels

Eigenschaften:

Hohe Spektralauflösung
Niedriger Geräusch
Geeignet für industrielle Stromleitungen, Erntescanning, Laborwege usw.

2) Hochspektralkamera

Auch als Snapshotkamera mit hohem Spektrum bezeichnet, können alle räumlichen Dimensionen mit einer Belichtung erfasst werden.

Häufige Techniken umfassen:

·Spektralprisma-Array

·Multipartitionsfilter (z. B. IMEC)

·Mehrkanal-Bündelsystem

Datenlese und Visualisierung

Das Lesen und Visualisieren von hochspektralen Daten kann mit integrierter hochspektraler Fernerkundungssoftware direkt verarbeitet werden, oder mit Python oder MATLAB, die selbstprogrammierte Leseverarbeitung, die ursprüngliche hochspektrale Kurve ist DN-Wertinformationen, DN ist der Kameradetektor, der das Lichtsignal in einen digitalen Wert umwandelt, im Wesentlichen "Pixel-Graustufen". Es handelt sich nicht um eine physikalische Größe und muss daher in Reflexivität oder Strahlungsgrad Daten bei der Datenanalyse umgewandelt werden. Im Folgenden finden Sie ein einfaches Code-Lesefall.

3.1 Beispiele lesen

Python zum Lesen von High Spectrum Image Beispielcode

MATLAB leset hochspektralen Bildcode

3.2 Farbsynthese

Echte Farbe (True Color)

Wählen Sie die Wellenlänge für das menschliche Auge:

·R = 660 nm

·G = 550 nm

·B = 450 nm

Das dargestellte Bild entspricht dem Blick des bloßen Auges.

Geeignet für: Naturlandschaften, landwirtschaftliche Fernerkennung, menschliche sichtbare Lichtbereichsanalyse.

Falsche Farben (False Color)

Wählen Sie ein anderes Band aus, das repräsentativ ist, z. B.:

·R = 800 nm (naher Infrarot)

·G = 660 nm

·B = 550 nm

Naher Infrarot zeigt den physiologischen Zustand der Pflanzen und wird daher häufig verwendet: Vegetationsgesundheitsüberwachung, gezielte hohe Spektralsteigerung, Ortografie

Fälschte Farben können bestimmte spektrale Unterschiede verstärken und sind ein Vorteil von High Spectrum Data Special*.

Echte Farbsynthese Falsche Farbsynthese

3.3 Spektrale Kurven zeichnen

In einem hochspektralen Bild entspricht jeder Pixelpunkt einer Spektralkurve.
Klicken Sie auf einen beliebigen Ort in der Software, um zu sehen, wie sich die spektrale Reflexivität / Strahlenhelligkeit mit der Wellenlänge ändert. Sie können auch regionale und unregelmäßige Bilder auswählen, um alle Pixelpunkte von roi usw. durchschnittlich zu machen.

Schlussfolgerung

Hochspektrales Bildgebung scheint „sehr kalt“ zu sein, aber im Wesentlichen betrachtet es nur die Welt auf eine detailliertere Weise: Nicht nur die Formen und Farben, sondern auch das wahre Aussehen der Materie in den spektralen Dimensionen. Hoffentlich hilft Ihnen dieser Artikel, einen solideren Schritt auf dem Weg zur Erkenntnis der High-Spectrum-Technologie zu machen. Im nächsten Abschnitt beschreiben wir die Vorbehandlungsmethoden für hochspektrale Bilder.