I N T R O A H I P E R S P

Introduccin a

Introduction to Hyperspectral Imaging

Imgenes Hiperespectrales

con

TNTmips
page 1

Introduction to Hyperspectral Imaging

Antes de Comenzar
Gran parte de la dcada pasada, las imgenes hiperespectrales han sido un rea activa en investigacin y desarrollo y las imgenes hiperespectrales han estado disponibles solo para los investigadores. Con la reciente aparicin de sistemas comerciales aerotransportados de imgenes hiperespectrales y el inminente lanzamiento de satlites, las imgenes hiperespectrales estn dispuestas a entrar a la corriente principal de la percepcin remota. Las imgenes hiperespectrales encontrarn muchas aplicaciones en manejo de recursos, agricultura, exploracin minera, y monitoreo ambiental. Pero el uso efectivo de las imgenes hiperespectrales requiere un entendimiento de la naturaleza y limitaciones de los datos y de las distintas estrategias para procesarlas e interpretarlas. Este folleto intenta proveer una introduccin a los conceptos fundamentales en el campo de las imgenes multiespectrales. Datos Muestrales. Algunas ilustraciones en este folleto muestran anlisis de resultados de una escena espectral de Cuprite, Nevada. Esta escena fue adquirida usando el Espectrmetro de Imgenes Visible/Infrarrojo (AVIRIS), el cual es operado por el Laboratorio Jet Propulsin de la NASA. La misma escena es usada en los ejercicios en el folleto que acompaa Preparndose: Analizando Imgenes Hiperespectrales. Usted puede descargar esta escena en el formato de Archivos de Proyectos TNTmips (junto con datos muestrales asociados) desde el sitio web de Microimages o contactando Microimages para obtener los datos en un CD-R gratuito. Ms Documentacin Este folleto est propuesto slo como una introduccin general a imgenes hiperespectrales. En TNTmips, las imgenes hiperespectrales pueden ser procesadas y analizadas usado el proceso de Anlisis Hiperespectral (escoja Procesos / Raster / Anlisis Hiperespectral desde el menu principal de TNTmips). Para una introduccin a este proceso, consulte el folleto Preparndose: Analizando Imgenes Hiperespectrales. Informacin adicional de fondo puede ser encontrada en el folleto Introduccin al Ambiente de la Percepcin Remota. TNTmips y TNTlite TNTmips tiene dos versiones: la versin profesional y la versin libre TNTlite. Este folleto hace referencia a ambas versiones como TNTmips. Si usted no compr la versin original (la cual requiere una llave fsica), TNTmips opera en modo TNTlite, la cual limita el tamao de los objetos y no permite exportar.

Randall B. Smith, Ph.D., 17 Septiembre 2001 Traducido por MicroImages Inc., 20 Octubre 2004

Puede ser difcil identificar puntos importantes en algunas ilustraciones sin una copia en color de este folleto. Puede imprimir o leer ester folleto desde el sitio web de MicroImages. El sitio web tambin es su fuente para los folletos ms recientes sobre otros tpicos. Puede descargar la gua de instalacin, datos muestrales, y la ltima versin de TNTlite.

http://www.microimages.com

page 2

Introduction to Hyperspectral Imaging

Bienvenido a las Imgenes Hiperespectrales

Los sensores remotos hiperespectrales, por otro lado, colectan datos simultneamente en docenas o cientos de angostas y adyacentes bandas espectrales. Estas mediciones hacen posible derivar un espectro continuo para cada celda de imagen, como es mostrado en la ilustracin de abajo. Luego que los ajustes son aplicados, sensor, efectos atmosfricos y de terreno, estas imgenes espectrales pueden ser comparadas con reflectancias espectrales de campo o de laboratorio para reconocer y mapear superficies de materiales tales como tipos especiales de vegetacin o el diagnstico de minerales asociados con depsitos de oro. Las imgenes hiperespectrales contienen una abundancia de datos, pero interpretarlos requiere una comprensin de las propiedades exactas de los materiales de superficie que estamos tratando de medir, y cmo ellos se relacionan con las mediciones realmente hechas por el sensor hiperespectral.
La tecnologa de fondo de los sensores hiperespectrales es discutida en la pgina 4. Las pginas 5-10 introducen los conceptos de reflectancia espectral de los materiales naturales, los vectores espectrales tales como en n-dimensiones del espacio espectral, y mezcla espectral. Los factores que contribuyen a la medicin de los valores de radiancia en una imagen son detallados en las pginas 11-13, seguido por los mtodos para convertir radiancia a reflectancia en pginas 14-15. las estrategias para analizar imgenes hiperespectrales son discutidas en las pginas 16-21, y una lista de referencias bibliogrficas es proporcionada en pginas 22-23.

Imgenes adquiridas simultneamente en adyacentes y estrechas longitudes de onda.

Set de valores de brillo individual para la posicin de valores de una celda raster en la imagen hiperespectral. El grfico de valores de brillo vs. longitudes de onda muestra el espectro continuo para la celda de la imagen, la cual puede ser usada para identificar materiales de superficie.

0.6

Brillo Relativo

Spectral Plot

0.4 0.2 0.0 0.7 1.2 1.7 2.2

Longitud de onda (micrmetros) page 3

Introduction to Hyperspectral Imaging

Espectrometra de Imgenes
Las imgenes hiperespectrales son producidas por instrumentos llamados espectrmetros de imgenes. El desarrollo de estos sensores complejos ha involucrado la convergencia de dos tecnologas relacionadas pero distintas: la espectroscopia y la percepcin remota de la Tierra y la superficie de los planetas. La espectroscopa es el estudio de la luz que es emitida por o reflejada por los materiales y su variacin en energa con la longitud de onda. Al ser aplicada al campo ptico de la percepcin remota, la espectroscopa trata con el espectro de la luz solar que es difusamente reflejada (dispersada) por los materiales terrestres. Los instrumentos llamados espectrmetros (o espectrorradimetros) son usados para realizar mediciones de campo o de laboratorio de la luz reflejada desde un material testigo. Un elemento de dispersin ptica tal como una verja o prisma en el espectrmetro separa esta luz dentro de muchas longitudes de onda adyacentes y angostas, y la energa en cada banda es medida por un detector diferente. Al usar cientos o miles de detectores, los espectrmetros pueden realizar mediciones espectrales de bandas tan angostas como 0.01 micrmetros sobre un rango amplio de longitudes de onda, tpicamente al menos en 0.4 a 2.4 micrmetros (rangos de longitudes de onda del visible al infrarrojo medio). Los dispositivos de imgenes remotas estn diseados para concentrar y medir la luz reflejada desde varias reas adyacentes de la superficie terrestre. En muchos dispositivos de imgenes digitales, las mediciones secuenciales de reas pequeas son hechas en un patrn geomtrico consistente a medida que la plataforma del sensor se mueve y un procesamiento posterior es requerido para juntarlas en una imagen. Hasta recientemente, los dispositivos de imgenes estaban restringidos a una o algunas relativamente escasas bandas anchas de longitud de onda por limitaciones del diseo del detector y los requerimientos de almacenamiento de datos, transmisin y procesamiento. Los avances recientes en estas reas han permitido el diseo de dispositivos de imgenes que tienen rangos espectrales y resoluciones comparables con los espectrmetros de campo.

Espejo de escaneo y Otras Opticas

Elemento Dispersante Luz desde una celda individual de resolucin terrestre.

Imagen Optica

Detectores

D i a g r a m a e s q u e m t i c o d e l o s elementos b s i c o s de e s p e c t r o m e t r a d e i mg e n e s . Algunos sensores usan una serie de mltiples sensores de angostas bandas de longitudes de onda ( l ).

page 4

Introduction to Hyperspectral Imaging

Reflectancia Espectral
En espectroscopia de luz reflejada la propiedad fundamental que queremos obtener es la reflectancia espectral: la razn de la energa reflejada sobre la energa incidente como una funcin de la longitud de onda. La reflectancia vara con la longitud de onda para la mayora de los materiales ya que la energa en ciertas longitudes de onda es dispersada o absorbida en diferentes grados. Estas variaciones de reflectancia son evidentes cuando comparamos las curvas de reflectancia espectral (grficos de reflectancia versus longitud de onda) para diferentes materiales, como en la ilustracin de abajo. Las desviaciones pronunciadas hacia abajo de las curvas espectrales marcan los rangos de longitud de onda en los cuales los materiales selectivamente absorben la energa incidente. Estas caractersticas son comnmente llamadas bandas de absorcin (no confundir con la separacin de bandas de imgenes en una imagen multiespectral o hiperespectral). La forma general de una curva espectral y la posicin y fuerza de las bandas de absorcin en muchos casos puede ser usada para identificar y discriminar materiales diferentes. Por ejemplo, la vegetacin tiene reflectancias ms altas en el rango del infrarrojo cercano y ms baja reflectancia en la luz roja que los suelos.
1 2 3 4 Bandas Multispectrales SPOT XS 5

1 2 3
Rojo Azul Verd

Bandas Landsat TM

Infrarrojo Cercano Infrarrojo Medio Infrarrojo Reflejado Suelo Seco (5% agua) Suelo Hmedo (20% agua)

60
Vegetacin

Reflectancia (%)

40

20
Agua clara de lago Agua de ro turbia

0 0.4

0.6

0.8

1.0 1.2 1.4 1.6 1.8 2.0 Longitud de onda (micrmetros)

2.2

2.4

Curvas representativas de reflectancia espectral para varios materiales terrestres comunes desde los rangos de luz visible hasta el espectro reflejado infrarrojo. Las bandas espectrales usadas en varios sensores remotos de satlites multiespectrales son mostradas arriba para compararlas. La reflectancia es una cantidad sin unidades con valores de rango entre 0 a 1.0, o puede ser expresada como un porcentaje, como en este grfico. Cuando las medidas espectrales de un material de test son hechas en el campo o en el laboratorio, los valores de la energa incidente son tambin requeridos para calcular la reflectancia del material. Estos valores son medidos directamente o derivados desde medidas de luz reflejada (bajo las mismas condiciones de iluminacin que el material de test) desde un material de referencia estndar con una reflectancia espectral conocida.

page 5

Introduction to Hyperspectral Imaging

Espectrometra de minerales
En materiales inorgnicos tales como minerales, composiciones qumicas y estructuras cristalinas, stos controlan la forma de la curva espectral y la presencia y posiciones de bandas de absorcin especficas. Las longitudes de onda de absorcin especificas pueden ser usadas para la presencia particular de elementos qumicos y iones, la carga inica de ciertos elementos, y la geometra de las cadenas qumicas entre elementos, lo cual es gobernado en parte por la estructura cristalina. La ilustracin de abajo muestra la espectrometra de algunos minerales comunes que proveen ejemplos para estos efectos. En el espectro de la hematita (un mineral de xido de hierro), la fuerte absorcin en el rango de la luz visible es causada por el ion frrico (Fe+3). En la calcita, el mayor componente de la piedra caliza, el ion de carbonato (CO3-2) es responsable por la serie de absorciones de banda entre los 1.8 a 2.4 micrmetros (m). La kaolinita y la montmorilonita son minerales de arcilla que son comunes en suelos. La fuerte absorcin de la banda cercana a los 1.4 m en ambas curvas espectrales, junto con la dbil banda a 1.9 m en kaolinita, es debida a los iones de hidrxido (OH-1), mientras que la banda ms fuerte a 1.9 m en montmorilonita es causada por las molculas de agua atadas en esta arcilla hdrica. En contraste a estos ejemplos, el feldespato ortoclasa, un mineral dominante en granito, muestra casi una absorcin de rasgo insignificante en los rangos espectrales del visible al infrarrojo.

Visible

Infrarrojo Cercano

Infrarrojo Medio

100
Calcita Feldespato Ortoclasa

80
Reflectancia (%)
Kaolinita

60
Montmorillonita

40
Hematita

20

0 0.4

0.6

0.8

1.0 1.2 1.4 1.6 1.8 2.0 Longitud de onda (micrmetros)

2.2

2.4

Reflectancia espectral de algunos minerales representativos (compuestos de ocurrencia qumica natural que son los mayores componentes de rocas y suelos).

page 6

Introduction to Hyperspectral Imaging

Espectrometra de las plantas

Las curvas de reflectancia espectral de las plantas verdes sanas tienen tambin una forma caracterstica que es dictada por varios atributos de las plantas. En la porcin del visible del espectro, la forma de la curva es gobernada por los efectos de absorcin de la clorofila y otros pigmentos de las hojas. La clorofila absorbe la luz visible muy efectivamente pero absorbe las longitudes de onda azules y rojas ms fuertemente que el verde, produciendo una pequea cima de reflectancia dentro del rango de la longitud de onda del verde. Como consecuencia, las plantas sanas nos aparecen verdes en color. La reflectancia aumenta abruptamente a lo largo del borde entre las longitudes de onda del rojo y el infrarrojo cercano (a veces referido como el borde rojo) a valores cercanos de 40-50% para la mayora de las plantas. Esta alta reflectancia en el infrarrojo cercano es debido primariamente a las interacciones con las estructuras celulares internas de las hojas. La mayora de la energa remanente es transmitida, y puede interactuar con otras hojas ms abajo en el follaje. La estructura de las hojas vara significativamente entre las especies de plantas, y tambin puede cambiar como resultado del estrs de las plantas. As, el tipo de especie, el estrs de las plantas, y el estado del follaje todos pueden afectar las mediciones de reflectancia en el infrarrojo cercano. Ms all de 1.3 m la reflectancia decrece a medida que aumenta la longitud de onda, con la excepcin de dos pronunciadas bandas de absorcin de agua cerca de los 1.4 y 1.9 m. Al trmino de la estacin de crecimiento las hojas pierden agua y clorofila. La reflectancia del infrarrojo cercano decrece y la reflectancia del rojo aumenta, creando los familiares colores amarillos, cafs y rojos de las hojas en otoo.
Visible Clorofila Infrarrojo Cercano Estructura Celular Agua Infrarrojo Medio Agua

Pasto

60
Reflectancia (%)

Follaje de nogal Abeto

40
Pasto seco amarillento

20

0 0.4

0.6

0.8

1.0 1.2 1.4 1.6 1.8 2.0 2.2 Longitud de onda (micrmetros)

2.4

Reflectancia espectral de diferentes tipos de vegetacin verde comparados con una curva espectral de hojas senescentes (secas, amarillentas). Las diferentes porciones de las curvas espectrales para la vegetacin verde son formadas por los diferentes componentes de las plantas, como es mostrado arriba.

page 7

Introduction to Hyperspectral Imaging

Bibliotecas Espectrales
Varias bibliotecas de reflectancia espectral de materiales naturales o hechos por el hombre estn disponibles para el uso pblico. Estas bibliotecas proveen una fuente de referencia espectral que puede ayudar a la interpretacin de imgenes hiperespectrales y multiespectrales. Biblioteca Espectral ASTER Esta biblioteca ha sido hecho disponible por la NASA como parte del programa instrumental Advanced Spaceborne Termal Emisin and Reflectance Radiometer (ASTER). Este incluye compilaciones espectrales de NASAs Jet Propulsin Laboratory, Johns Hopkins University, y United States Geological Survey (Reston). La biblioteca espectral ASTER actualmente contiene cerca de 2000 espectrometras, incluyendo minerales, rocas, suelos, materiales hechos por el hombre, agua, y nieve. La mayora de las coberturas espectrales de la regin completa de las longitudes de onda entre 0.4 a 14 m. La biblioteca es accesible interactivamente via el Worldwide web en http://speclib.jpl.nasa.gov. Usted puede buscar la espectrometra por categora, ver un grfico espectral para cualquier espectro recuperado, y descargar los datos individuales de la espectrometra como archivo de texto. Estas espectrometras pueden ser importadas dentro de la biblioteca espectral del TNTmips. Usted puede tambin ordenar la biblioteca espectral ASTER en CD-ROM sin cargo desde la direccin web de arriba. 80 Visible
Reflectancia (%)
Infrarrojo Cercano Granito Infrarrojo Medio
Ejemplos espectrales de la biblioteca ASTER. ASTER ser uno de los instrumentos del satlite planeado EOS AM-1, y registrar datos de imgenes en 14 canales desde el visible hasta las regiones termales de infrarrojo como parte del programa NASAs Earth Science Enterprise.

60 40

Concreto Asphalt roof shingles

20

Basalto

0 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 Longitud de onda (micrmetros)

Biblioteca Espectral USGS El laboratorio de Espectrometra del United States Geological Survey en Denver, Colorado, ha compilado una biblioteca de cerca de 500 reflectancias espectrales de minerales y unas pocas plantas sobre las longitudes de onda en el rango de 0.2 a 3.0 m. Esta biblioteca es accesible via online en http://speclab.cr.usgs.gov/spectral.lib04/spectral-lib04.html. Usted puede buscar espectrometra individual online, o descargar la biblioteca completa. La biblioteca espectral del USGS est tambin incluida como una referencia de biblioteca estndar en el proceso TNTmips Anlisis Hiperespectral.

page 8

Introduction to Hyperspectral Imaging

Graficando Espectrometra en el Espacio Espectral

Los grficos espectrales en las pginas previas proveen una manera conveniente para visualizar las diferencias en las propiedades espectrales entre diferentes materiales, especialmente cuando comparamos solamente unas pocas espectrometras. Los grficos espectrales son una herramienta importante para usar cuando usted explora una imagen hiperespectral. Pero entender cmo un computador compara y discrimina entre grandes cantidades de espectrometras, es til considerar otras formas conceptuales de representar la espectrometra. Un espectro de reflectancia consiste de un set de valores espectrales, uno para cada canal espectral (banda). Cada uno de estos canales puede ser considerado como una dimensin en un espacio espectral hipottico de n-dimensiones, donde n es el numero de canales espectrales. Si graficamos los valores de reflectancia medida para cada canal espectral en su respectivo eje de coordenadas, podemos usar estas coordenadas para especificar la localizacin de un Espectro de punto punto en el espacio espectral que matemticamente representativo (0.8, 0.7) representa esa espectrometra en particular. Un ejemplo simple de dos bandas es mostrado en la o 0.7 ilustracin. El punto designado tambin puede v ti ta ser tratado matemticamente como el punto final n e de un vector que comienza en el origen del sistema es r p ro t re de coordenadas. La espectrometra con la misma c r pe to forma pero diferente reflectancia general (albedo) s c E Ve se grafican como vectores con la misma orientacin 0.8 pero con puntos finales a distancias diferentes desde el origen. Vectores espectrales ms cortos Reflectancia en Banda 1 representan espectrometra ms oscura y vectores ms largos representan espectrometra ms Grfico de n-dimensiones de un brillante. espectro de reflectancia para un Puede ser difcil visualizar tal grfico para una imagen que involucra ms de tres bandas de longitudes de onda, pero es matemticamente posible construir un espacio espectral hiperespectral definido por docenas o cientos de ejes de coordenadas mutuamente perpendiculares. Cada espectrometra que est siendo considerada ocupa una posicin en este espacio espectral de n-dimensiones. La similitud entre espectrometras puede ser juzgada por la cercana relativa de estas posiciones (distancia espectral) o por cun pequeo es el ngulo entre los vectores espectrales. Las curvas de reflectancia espectral mostradas en las pginas previas para varios materiales representan promedios o ejemplos tpicos. Todos los materiales naturales exhiben alguna variabilidad en composicin y estructura que resulta en variabilidad en su reflectancia espectral. Si obtenemos espectrometras desde un numero de ejemplos de materiales, los puntos espectrales resultantes definirn una pequea nube en el espacio espectral de ndimensiones, ms que graficndolos en una sola localizacin.
caso hiptetico de 2 bandas
Reflectancia en Banda 2

page 9

Introduction to Hyperspectral Imaging

Resolucin Espacial y Espectrometra Mezclada

Un espectrmetro de imgenes realiza mediciones espectrales de muchos parcelas pequeas de la superficie terrestre, cada uno de los cuales es representado por un pxel (celda raster) en la imagen hiperespectral. El tamao del rea terrestre representado por un set individual de mediciones espectrales define la resolucin espacial de la imagen y depende del diseo del sensor y de la altura del sensor sobre la superficie. El Airborne Visible/Infrared Imagin Spectrometer (AVIRIS) de la NASA, por ejemplo, tiene una resolucin espacial de 20 metros cuando vuela a su tpica altitud de 20 kilmetros, pero de 4 metros de resolucin cuando vuela a una altitud de 4 kilmetros. Cuando el tamao de la resolucin de la celda terrestre es grande, es muy probable que ms de un material contribuya a la medicin espectral individual del sensor. El resultado es una composicin o espectrometra mezclada, y la espectrometra pura que contribuye a la mezcla es llamada espectrometra de endmember.
60

Reflectancia (%)

B
40

C = 60% A + 40% B

C A

20

0 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4

Longitud de onda (micrmetros)

Las mezclas espectrales pueden Ejemplo de un espectro compuesto (C) que es una ser macroscpicas o de detalles. mezcla lineal de dos espectrometras: A (suelo seco) En una mezcla microscpica y B (vegetacin verde). cada fotn reflejado interacta con solo un material de superficie. La energa reflejada desde los materiales se combina aditivamente, as cada contribucin del material a la composicin espectral es directamente proporcional a su rea dentro del pxel. Un ejemplo de tal mezcla lineal es mostrado en la ilustracin arriba, la cual puede representar un Espectro A mosaico de vegetacin y suelo desnudo. En el espacio espectral cada espectro de endmember define el trmino de una lnea mixta (para dos Espacio endmembers) o la esquina de un espacio mezclado mezclado (para un mayor nmero de endmembers). Luego discutiremos cmo las Espectro C fracciones de endmembers pueden ser calculadas Espectro B para cada pxel. En una mezcla de detalle, tales como las mezclas microscpicas de partculas Reflectancia en Banda 1 minerales encontradas en suelos, un fotn indiGrfico de n-dimensiones de la vidual interacta con ms de un material. Tales espectrometra de tres endmembers para mezclas son no lineales en carcter y por lo tanto un caso hipottico de 2 bandas. Todos ms difciles de desenredar. los espectros que son mezclados en A,
Reflectancia en Banda 2
B, y C solo deben caer dentro del espacio de mezcla.

page 10

Introduction to Hyperspectral Imaging

Radiancia y Reflectancia
De las discusiones de las pginas anteriores, debera estar claro que la reflectancia espectral es una propiedad de las caractersticas del terreno que sera capaz de medirse precisa y exactamente usando un sensor hiperespectral de avin o satlite. Pero mire el espectro de brillo de la ilustracin de abajo. Este es el promedio de 25 imgenes espectrales medidas por el sensor AVIRIS sobre la superficie brillante de un lago seco en Cuprite, escena de Nevada. La espectrometra de entrada ha sido ajustada por los efectos del sensor usando datos de calibracin a bordo, pero no otras transformaciones han sido aplicadas.

Brillo Relativo en el Sensor

Brillo promedio medido para una porcin de la superficie de playa (cuadrado rojo a la derecha)

0.5

1.0

1.5

2.0

2.5

Longitud de onda, (micrmetros) Este espectro no tiene mucha semejanza con el espectro de reflectancia previamente ilustrada. Esto es porque el sensor ha medido simplemente la cantidad de luz reflejada alcanzada en cada banda de longitud de onda (radiancia espectral), en este caso desde una altitud de 20 kilmetros. La reflectancia espectral de los materiales de superficie es slo uno de los factores que afectan los valores medidos. La curva de reflectancia espectral para el rea muestral es en realidad plana y sin rasgos. Adems de la reflectancia de superficie, la radiancia espectral medida por un sensor remoto depende del espectro de entrada de energa solar, las interacciones de esta energa durante sus travesas hacia arriba y abajo a travs de la atmsfera, la geometra de iluminacin de las reas individuales sobre el terreno, y las caractersticas del sistema del sensor. Estos factores adicionales no slo afectan nuestra habilidad de recuperar valores de reflectancia espectral exactos para los rasgos de superficie, pero tambin introducen variabilidades adicionales dentro de la escena los cuales obstaculizan las comparaciones individuales entre celdas de imagen. Estos factores son discutidos en mayor detalle en las prximas dos pginas.

page 11

Introduction to Hyperspectral Imaging

Factores de Iluminacin
Fuente de Iluminacin La figura de abajo muestra una curva tpica de irradiancia solar desde el tope de la atmsfera terrestre. La energa solar entrante varia ampliamente con la longitud de onda, con un mximo en el rango de la luz visible. El espectro de la energa solar entrante de la hora en que la imagen fue adquirida debe ser conocida, asumida, o derivada indirectamente desde otras mediciones para convertir los valores de imagen de radiancia a valores de reflectancia.
2.5

Irradiancia Epectral (kilowatts / m2 m)

2.0 1.5 1.0 0.5 Energa solar llegando al tope de la atmsfera

Longitud de onda (micrmetros, m)

0.5

1.0

1.5

2.0

2.5

3.0

Geometra de la Iluminacin La cantidad de la energa reflejada por un rea sobre la superficie depende de la cantidad de energa solar que ilumine el rea, la cual a su vez depende del ngulo de incidencia: el ngulo entre la trayectoria de la energa entrante y una lnea perpendicular a la superficie terrestre. Especficamente, la energa recibida en cada longitud de onda (Eg) vara con el coseno del ngulo de incidencia (q): Eg = Eo x cos q, donde Eo es la cantidad de energa entrante. La energa recibida por cualquier rea de superficie por lo tanto vara a medida que la altura del sol cambia con la hora del da y la estacin del ao. Si el terreno no es plano, la energa recibida tambin vara instantneamente a lo largo de la escena por las diferencias en pendiente y direccin. Sombreamiento La cantidad de iluminacin recibida por un rea puede ser tambin reducida por sombras. Las sombras C moldeadas por los rasgos topogrficos o B nubes pueden afectar las reas incluyendo A muchas celdas de imagen contiguas. Los rboles, las hileras de cultivos, afloramientos Las diferencias de iluminacin pueden llegar rocosos, u otros objetos pequeos tambin desde diferentes ngulos de incidencia ( q ) tanto para A y B , o desde el sombreamiento pueden moldear las sombras que son ( C ). confinadas en una imagen de celda individual. Ambos tipos de sombras tienen el efecto de bajar la cantidad de brillo a lo largo de todas las longitudes de onda de los pxeles afectados.

page 12

Introduction to Hyperspectral Imaging

Efectos Atmosfricos y de Sensor

Efectos Atmosfricos Aun una atmsfera relativamente clara interacta con la energa solar entrante y reflejada. Para ciertas longitudes de onda, estas interacciones reducen la cantidad de energa entrante que alcanzan el terreno y adems reducen la cantidad de energa reflejada que alcanza un sensor de avin o de satlite. La transmitancia de la atmsfera es reducida por la absorcin de ciertos gases y por la dispersin de molculas de gas y partculas. Estos efectos combinados producen la curva de transmitancia ilustrada abajo. Los rasgos de absorcin pronunciada cerca de 1.4 y 1.9 mm causada por el vapor de agua y el dixido de carbono, reducen la energa incidente y reflejada casi completamente, esta informacin til tan pequea puede ser obtenida desde bandas de imagen en estas regiones. En esta curva no es mostrada el efecto de la luz dispersada hacia arriba por la atmsfera. Esta luz dispersada es aadida a la radiancia medida por el sensor en las longitudes de onda del visible y del infrarrojo cercano, y es llamada path radiance (radiancia de trayectoria). Los efectos atmosfricos tambin pueden diferir entre reas en una escena individual si las condiciones atmosfricas son variables espacialmente o si hay diferencias significativas de elevacin terrestre que varan la longitud de la trayectoria de la radiacin a travs de la atmsfera.

1.0 0.8

Visible

Infrarrojo Cercano

Infrarrojo Medio

H2O O3 O2 H2O O2 H2O H2O

H2O, O2 CO2 CO2 H2O, CO2 CO2

Transmitancia

0.6 0.4 0.2 0

CO2

H2O

0.5

1.0

1.5

2.0

2.5

Longitud de onda (micrmetros)

Grfico de la transmitancia atmosfrica versus la longitud de onda para condiciones atmosfricas tpicas. La transmitancia es la proporcin de la energa solar incidente que alcanza la superficie terrestre. La absorcin de los gases etiquetados causan bajas pronunciadas en la curva, mientras que la dispersin es la responsable por el decrecimiento suave en transmitancia a medida que decrece la longitud de onda en el infrarrojo cercano a travs del rango de la longitud de onda del visible.

Efectos del Sensor Un sensor convierte la radiancia detectada en cada canal de longitud de onda a una seal elctrica la cual es escalada y cuantificada dentro de valores enteros discretos que representan los valores de radiancia codificados. Las variaciones entre detectores de una serie, como tambin los cambios temporales en los detectores, pueden requerir de mediciones crudas para ser escaladas y /o offset para producir valores comparables. page 13

Introduction to Hyperspectral Imaging

Conversin de Reflectancia I
Para comparar directamente la espectrometra de la imagen hiperespectral con la referencia de espectrometra de reflectancia, los valores codificados de radiancia en la imagen deben ser convertidos a reflectancia. Una conversin global debe considerar la fuente solar espectral, los efectos de luminosidad debidos al ngulo solar y la topografa, la transmisin atmosfrica, y la ganancia del sensor. En trminos matemticos, la reflectancia espectral del terreno es multiplicada (sobre la base de longitud de onda por longitud de onda) por estos efectos para producir el espectro de radiancia medida. Otros dos factores contribuyen de una manera aditiva a la espectrometra de la radiancia: sensor offset (ruido de instrumentos internos) y la trayectoria de radiancia debido a la dispersin atmosfrica. Varias estrategias de conversin comnmente usadas son discutidas abajo y en las paginas siguientes. Algunas estrategias slo usan informacin sacadas desde la imagen, mientras que otras requieren varios grados de conocimiento de las propiedades de reflectancia de superficie y las condiciones atmosfricas a la fecha en que la imagen fue adquirida. Conversin de campo plano Este mtodo basado en imgenes requiere que la imagen incluya una rea uniforme que tenga una curva de reflectancia espectral relativamente plana. El espectro promedio de tal rea seria dominado por los efectos combinados de la irradiancia solar y la dispersin atmosfrica y la absorcin. Ya que pocos si alguno de los materiales en paisajes naturales tienen un espectro de reflectancia completamente plano, encontrar un campo plano es difcil para la mayora de las escenas. Para escenas desrticas, lagos secos de sal incrustada presentan una espectrometra relativamente plana, y materiales brillantes hechos por el hombre tales como concreto pueden servir en escenas urbanas. Cualquier rasgo significativo de absorcin espectral en el espectro de campo plano aumentar los rasgos espurios en los clculos del espectro de reflectancia relativa. Si hay variaciones de elevacin significativas dentro de la escena, el espectro convertido tambin incorporar efectos residuales de sombras topogrficas y diferencias de trayectoria atmosfrica. Conversin de Reflectancia Relativa Promediada Este mtodo tambin normaliza el espectro de imgenes al dividirlas por la espectrometra promedio, pero deriva la espectrometra promedio de la imagen completa. Antes de calcular el espectro promedio, los valores de radiancia en cada imagen espectral son escalados de tal forma que su suma es constante en la imagen entera. Este ajuste remueve gran parte de las sombras topogrficas y otras variaciones globales de brillo. Este mtodo asume que la escena es suficientemente heterognea de tal forma que las variaciones en caractersticas reflectancias espectrales sern anuladas, produciendo un espectro promedio similar al campo plano espectral descrito arriba. Esta suposicin no es verdadera para todas las escenas, y cuando no es verdadera el mtodo producir espectrometras de reflectancia relativa que contienen rasgos espectrales espurios.

page 14

Introduction to Hyperspectral Imaging

Conversin de Reflectancia II
Los mtodos de conversin basados en imgenes discutidos en las pginas previas solamente guardan relacin con contribuciones multiplicativas a la espectrometra de la imagen. La mayora de los estudios que han usado estos mtodos se han focalizado en el mapeo de minerales usando el espectro de onda corta del infrarrojo (2.0 a 2.5 m) para la cual el efecto atmosfrico aditivo en la radiancia de trayectoria es mnimo. Si la espectrometra a ser analizada incluye los rangos del visible e infrarrojo cercano, sin embargo, los efectos de la radiancia de trayectoria no deberan ser descuidados. Si la escena incluye materiales oscuros o profundas sombras topogrficas, una correccin aproximada puede ser hecha determinando (para cada banda) el valor de brillo mnimo (o el valor promedio del rea sombreada) y sustrayndola para cada pxel en la banda. Mtodo Lineal Emprico Los investigadores de campo que usan imgenes hiperespectrales tpicamente usan medidas de reflectancia de campo desde el rea de imagen para convertir los datos de la imagen a reflectancia. La espectrometra de reflectancia de campo debe ser adquirida desde dos o ms blancos terrestres de reas uniformes. Las reas de blanco deberan ser ampliamente diferentes en brillo y ser suficientemente grandes para ser reconocidas en la imagen. Usando la radiancia de la imagen y los valores de reflectancia terrestres para los blancos, una ecuacin lineal que relacione la radiancia a la reflectancia puede ser derivada para cada banda de imagen. En un grafico de radiancia versus reflectancia, la pendiente de la Objetivo brillante lnea calculada cuantifica los efectos combinados de los Pendiente = gain factores de radiancia multiplicativos (gain), mientras que la intercepcin con los ejes de la radiancia representan el componente aditivo (offset). Estos valores son entonces usados para convertir cada banda de imagen a la Objetivo oscuro reflectancia aparente. Los valores finales deberan ser considerados de reflectancia aparente ya que la Intercepci n = offset conversin no considera por los posibles efectos Reflectancia topogrficos dentro de la escena (las diferencias de sombras y la longitud de la trayectoria atmosfrica). Parmetros de conversin de Mtodos de Modelos Los modelos de clculo de de banda individual usando blancos de valores de transferencia relativa comienzan con la espectrometra reflectancia conocidos. simulada de irradiancia solar, entonces calcula los efectos de radiancia de la elevacin solar en la escena (derivada desde el da y hora de la escena) y la dispersin y absorcin atmosfrica. En la ausencia de mediciones de las condiciones actuales atmosfricas, el usuario debe estimar algunos parmetros de entrada, tal como la cantidad y distribucin de los agentes de dispersin. La absorcin de gases bien mezclados (CO2 yO2) es asumida que es uniforme a lo largo de la escena pero la absorcin debida al vapor de agua es frecuentemente variable. Los efectos de absorcin del vapor de agua pueden ser estimados y corregidos individualmente para cada pxel de imagen usando porciones del espectro que incluya las bandas de absorcin de agua. Sin embargo, los valores finales de reflectancia aparente pueden aun incorporar los efectos de sombras topogrficas.
Radiancia
reflectancia para una imagen

page 15

Introduction to Hyperspectral Imaging

Estrategias para el Anlisis de Imgenes

La tabla de abajo lista algunos de los espectrmetros de imgenes que estn actualmente siendo operados para propsitos de investigacin o comercial. Las imgenes hiperespectrales producidas por estos sensores presentan un desafo para el analista. Ellas proveen la resolucin espectral fina necesaria para caracterizar las propiedades espectrales de los materiales de superficie pero el volumen de datos en una escena individual puede parecer agobiante. La diferencia en informacin espectral entre dos bandas de longitudes de onda adyacentes es tpicamente muy pequea y sus imgenes en escalas de grises por lo tanto aparecen prcticamente idnticas. Gran parte de los datos en una escena por lo tanto apareceran redundantes, pero intrincada en ella hay informacin crtica que frecuentemente puede ser usada para identificar los materiales de superficie terrestre. Encontrar las apropiadas herramientas y aproximaciones para visualizar y analizar la informacin esencial en una escena hiperespectral permanece un rea de investigacin activa. La mayora de las aproximaciones para analizar imgenes hiperespectrales se concentra en la informacin espectral en las celdas de imgenes individuales, mas que en las variaciones espaciales dentro de bandas individuales o grupo de bandas. Los mtodos de clasificacin estadstica (clustering) usados frecuentemente con imgenes multiespectrales tambin pueden ser aplicados a imgenes hiperespectrales pero pueden necesitar ser adaptados para manipular su alta dimensionalidad (Landgrebe, en prensa). Mtodos ms sofisticados combinan ambos anlisis espectral y espacial. Las siguientes paginas detallan algunas de los mtodos populares para analizar el contenido espectral de imgenes hiperespectrales.

Una muestra de Espectrmetros de Imagen para Investigacin y Comercio

Sensor

Or g a n iz a tio n

C o u n try U ni t e d S ta te s F i nl a nd C a na d a U ni t e d S ta te s

N u m b e r Wa v e l e n g t h o f B a n d s R a n g e ( m ) 224 286 288 2 11 128 128 0 .4 - 2 .5 0 .4 5 - 0 .9 0 .4 3 - 0 .8 7 0 .4 - 1 2 .0 0 .4 - 2 .4 5 0 .4 - 2 .4 5

AV IRIS A IS A CASI D A IS 2 11 5 HYM A P P ROB E - 1

NA S A S p e c t r a l Im a g i ng L t d . It r e s Re s e a r c h GE R C o rp .

Int e g r a t e d S p e c t r o ni c s A us t r a l i a P ty L td E a r t h S e a r c h S c i e nc e s Inc . U ni t e d S ta te s

page 16

Introduction to Hyperspectral Imaging

Igualando la Espectrometra de cada Imagen

Una aproximacin para analizar una imagen hiperespectral es intentar igualar cada espectrometra individual de cada imagen a un espectro de reflectancia de referencia en una biblioteca espectral. Esta aproximacin requiere de una conversin exacta del espectro de imagen a reflectancia. Trabaja mejor si la escena incluye reas extensas de materiales esencialmente puros que tienen correspondientes espectrometras de reflectancia en la biblioteca de referencia. Una espectrometra observada mostrar tpicamente varios grados de igualdad para un nmero de espectrometras de referencia similar. La igualdad de la espectrometra de referencia debe ser clasificada usando alguna medida de buen ajuste, con el mejor ajuste designado el ganador.
1.0

La igualdad espectral es complicada 0.8 por el hecho que la mayora de las escenas hiperespectrales incluyen 0.6 muchos pxeles de imagen que Biblioteca representan mezclas espaciales de 0.4 diferentes materiales (ver pgina 10). La imagen resultante de 0.2 2.1 2.2 2.3 2.4 espectrometra compuesta puede Longitud de onda (micrmetros) igualar una variedad de Ejemplo de espectrometra de imagen y una espectrometras de referencia espectrometra igualada del mineral alunita de la pura en grados variables, quizs biblioteca del USGS (ajuste de calidad = 0.91). incluyendo algunas espectrometras de materiales que no estn realmente presentes. Si la mejor igualdad de espectrometra de referencia tiene un ajuste suficiente a la espectrometra de la imagen, entonces este material es probablemente el dominante en la mezcla y el pxel es asignado a ese material. Si no hay un espectro de referencia que alcance una igualdad suficiente, entonces no hay un endmember que domine, y el pxel no debera ser asignado. El resultado en un mapa de materiales de la imagen que representa el material dominante para la mayora de las celdas de imagen, tal como en el ejemplo mostrado abajo. Algunos ejemplos de espectrometra mezclada pueden ser incluidos en la biblioteca para mejorar el mapeamiento, pero no es usualmente posible incluir todas las posibles mezclas (y todas las proporciones de mezclas) en la biblioteca de referencia.
Minerales Alunita Kaolinita Alunita + Kaolinita Montmorillonita Calcedonia
Mapa de minerales de parte de la escena AVIRIS de Cuprite, creada para igualar el espectro de la imagen con el espectro de minerales en la biblioteca de la USGS. Las reas blancas no producen una igualdad suficiente con cualquiera de las espectrometras de reflectancia seleccionadas, y por lo tanto no son asignadas.

Imagen

Reflectancia

page 17

Introduction to Hyperspectral Imaging

Mtodos de Ajuste Espectral

La forma de una espectrometra de reflectancia puede usualmente ser quebrada dentro de dos componentes: amplia, regiones de cambio parejas que definen la forma general del espectro y angosta, a travs de los rasgos de absorcin. Esta distincin conduce a dos diferentes aproximaciones para igualar el espectro de las imgenes con el espectro de referencia. Muchos materiales puros, tales como minerales, pueden ser reconocidos por la posicin, fuerza (profundidad), y forma de sus rasgos de absorcin. Una estrategia comn de ajuste intenta ajustar solo los rasgos de absorcin en cada candidato de referencia espectral e ignora las otras partes del espectro. Un set nico de regiones de longitudes de onda es por lo tanto examinada para cada candidato de referencia, determinada por las localizaciones de sus rasgos de absorcin. La posicin local y pendiente del espectro puede afectar la fuerza y forma de un rasgo de absorcin, as estos parmetros relativos son usualmente determinados al continuum: el lmite superior de la forma del espectro general. El continuum es computado para cada subset de longitud de onda y removida dividiendo la reflectancia en cada canal espectral por su valor continuum correspondiente. Los rasgos de absorcin pueden entonces ser ajustados usando un set de valores derivados (incluyendo la profundidad y el ancho a media profundidad), o usando la forma completa del rasgo. Este tipo de procedimientos han sido organizados dentro de un sistema experto por investigadores del U.S. Geological Survey Spectroscopy Lab (Clark y otros, 1990). 1.0 C Muchos otros materiales, 0.8 tales como rocas y suelos, pueden carecer de rasgos 0.6 B distintivos de absorcin. 0.4 Estas espectrometras pueden ser caracterizadas por 0.2 A su forma general. Los procedimientos de ajuste usan 0 0.5 1.0 1.5 2.0 2.5 el espectro completo Longitud de onda ( m) (omitiendo las bandas de Espectro de reflectancia para el mineral de yeso (A) imagen ruidosas severamente con varios rasgos de absorcin. La curva B muestra afectadas por la absorcin el continuum para el espectro, y C el espectro despus atmosfrica) o un subset de de la remocin del continuum. longitudes de onda uniformes para todos los materiales candidatos. Una aproximacin busca ajustar el espectro con la mnima diferencia en reflectancia (banda por banda) desde la espectrometra de la imagen (cuantificada por la raz cuadrada de la suma de los errores cuadrados). Otra aproximacin trata cada espectro como un vector en el espacio espectral y encuentra el espectro de referencia generando el ngulo ms pequeo con el espectro de la imagen observada.
Reflectancia

page 18

Introduction to Hyperspectral Imaging

La Desmezcla Lineal
La desmezcla lineal es una aproximacin alternativa a la igualdad espectral simple. Su premisa fundamental es que una escena incluye un numero relativamente pequeo de materiales comunes con mas o menos propiedades espectrales constantes. Ademas, mucha de la variabilidad espectral en una escena puede ser atribuida a la mezcla espacial, en proporciones variables, de estos componentes endmember comunes. Si podemos identificar el espectro del endmember, podemos matemticamente desmezclar cada espectro de los pxeles para identificar la abundancia relativa de cada material endmember. Los modelos de procedimientos de desmezclar en cada espectro de imagen suman las abundancias fraccionales del espectro endmember, con las restricciones adicionales fracciones que deberan sumar 1.0. El mejor set de ajustes de fracciones es encontrado usando los mismos ajustes espectrales en los procedimientos descritos en pginas anteriores. Una fraccin de imagen para cada endmember destila la abundante informacin dentro de una forma que es enseguida interpretada y manipulada. Una imagen mostrando el error residual para cada pxel ayuda a identificar las partes de la escena que no estn adecuadamente modeladas para el set seleccionado de endmembers. El desafo en una desmezcla lineal es identificar un set de endmembers espectrales que correspondan a los componentes fsicos sobre la superficie. Los endmembers pueden ser definidos directamente desde la imagen usando informacin de campo o una seleccin tcnica emprica tal como aquella resumida en la prxima pagina la cual puede ser usada. Alternativamente, la espectrometra de reflectancia de los endmember puede ser seleccionada desde una biblioteca de referencia, pero esta aproximacin requiere que la imagen haya sido convertida precisamente a reflectancia. Las variaciones de luz pueden ser incluidas directamente en el modelo de mezcla definiendo un endmember de sombra que se pueda mezclar con el material espectral real. Una espectrometra de sombra puede ser obtenida directamente desde una porcin profundamente oscurecida de la imagen. En la ausencia de sombras profundas, el espectro de una superficie de asfalto oscura o un cuerpo de agua profunda puede aproximar el espectro de sombra, como en el ejemplo de la derecha.

Porcin de una escena AVIRIS con bosque, campos desnudos y vegetados, y un ro, mostrados con una banda de combinacin colorinfrarroja (la vegetacin es roja). Las fracciones de imagen de desmezcla lineal son mostradas abajo.

Fraccin Vegetacional

Agua / Fraccin sombra

Fraccin Suelo

page 19

Introduction to Hyperspectral Imaging

Definiendo los Endmembers de Imagen

Cuando los endmembers espectrales son definidos desde una imagen hiperespectral, cada endmember de imagen debera tener la mxima abundancia del material fsico que representa. (Idealmente, cada endmember seria un material puro individual, pero pixeles puros de cada endmember podran no ser representados en la imagen). Si las espectrometras de imagen son representados como puntos en un grfico de n-dimensiones, los endmembers corresponderan a la cspide en el borde de una nube de puntos espectrales. Un procedimiento comn para aislar endmember candidatos de imagen involucra varios pasos. Debido al alto grado de correlacin entre bandas espectrales adyacentes, la dimensionalidad del set de datos primero puede ser reducida aplicando la transformacin de la Fraccin del Ruido Mnimo (MNF) y reteniendo los nmeros pequeos de los componentes libres de ruido. La transformacin MNF (Green et al. 1988) es una transformacin de componente principal de ruido ajustado que estima y ecualiza la cantidad de ruido en cada banda de imagen para asegurar que los componentes de salida estn ordenados por su cantidad de contenido de imagen. Segundo, un procedimiento automtico es aplicado a los componentes MNF para encontrar las espectrometras extremas alrededor de los mrgenes de los datos de nubes de n-dimensiones. Uno de aquello procedimientos es el ndice de Pxeles Puros (PPI). Este examina una seria de direcciones orientadas al azar que irradian hacia fuera desde el origen del espacio de coordenadas. Para cada direccin a testar, todos los puntos espectrales son proyectados dentro del vector a testar, y el espectro extremo (bajo y alto) es destacado. Como las direcciones son testadas, el proceso cuenta el nmero de veces que cada celda de imagen es encontrada extrema. Los pxeles con valores altos en el raster PPI resultante corresponderan primariamente a los bordes de la nube de datos del MNF. En el tercer paso, el raster PPI es usado para seleccionar pxeles desde un set de datos del MNF para visualizarlos en un grafico rotante de n-dimensiones (usando una herramienta tal como el Visualizador de n-dimensiones en el proceso de Anlisis Hiperespectral en TNTmips). Al visualizar la nube espectral PPI desde varias direcciones, el analista puede identificar direcciones significantes, marcar los puntos Espectro extremo espectrales que son extremos en aquellas direcciones, y guardar una imagen de las celdas marcadas. Finalmente, la celda de imagen marcada es sobrepuesta a la imagen hiperespectral original y usada como gua para seleccionar y examinar el espectro de la imagen. Los mejores candidatos endmember espectrales son entonces guardados en una biblioteca para MNF Componente 1 usarlos en desmezclar imgenes Grfico simple de dos componentes hiperespectrales. de una de las direcciones vectoriales
al azar (flecha) testada por el ndice de Pureza de Pxel. Todos los puntos espectrales son proyectados a cada vector testado, y los puntos extremos

page 20

MNF Componente 2

Introduction to Hyperspectral Imaging

Desmezcla Parcial
Algunas aplicaciones de imgenes hiperespectrales no requieren encontrar la abundancia fraccional de todos los componentes de endmembers en la escena. En su lugar el objetivo puede ser detectar la presencia y abundancia de un material objetivo individual. En este caso una desmezcla espectral completa no es necesaria. Cada pxel puede ser tratado como una mezcla potencial del objetivo de la firma espectral y una firma compuesta representando todos los otros materiales en la escena. El encontrar la abundancia de los componentes objetivos es entonces esencialmente un problema de desmezcla parcial. Los mtodos para detectar un espectro objetivo contra un fondo de espectrometra desconocida son frecuentemente referidos como filtros de igualdad, un trmino prestado desde un procesamiento de seal de radio. Varios algoritmos de filtros de igualdad han sido desarrollados, los que incluyen la proyeccin del subespacio ortogonal y minimizacin de la energa restrictiva (Farrand y Harsanyi, 1994). Todas estas aproximaciones realizan transformaciones matemticas del espectro de la imagen para acentuar la contribucin del espectro objetivo, mientras que minimizan el fondo. En un sentido geomtrico, los mtodos de filtros de igualdad encuentran una proyeccin del espacio espectral de n-dimensiones que muestra el rango completo de abundancia del espectro objetivo, pero esconde la variabilidad de fondo. En la mayora de los casos los espectros que contribuyen al ambiente de fondo son desconocidos, as la mayora de los filtros de igualdad usan mtodos estadsticos para estimar la firma compuesta de fondo desde la misma imagen. Algunos mtodos slo trabajan bien cuando el material objetivo es raro y no contribuye significativamente a la firma de fondo. Una versin modificada de los filtros de igualdad usa las derivadas del espectro en vez del mismo espectro, lo cual mejora la igualdad espectral con diferentes brillos en su conjunto.

Imgenes de Fraccin producidas por Filtros de Igualdad (izquierda) y Filtros de Igualdad de Derivadas (derecha) para una porcin de la escena AVIRIS de Cuprite. El espectro de la imagen objetivo representa el mineral alunita. Los tonos ms brillantes indican pxeles con fracciones ms altas de alunita. La imagen producida por Filtros de Igualdad de Derivadas muestra menos ruido de imagen, bordes mas cerrados, y un mejor contraste entre reas con diferentes fracciones de alunita.

page 21

Introduction to Hyperspectral Imaging

Referencias
General Kruse, F.A. (1999). Visible-Infrared Sensors and Case Studies. In Renz, Andrew N. (ed), Remote Sensing for the Earth Sciences: Manual of Remote Sensing (3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 567-611. Landgrebe, David (in press). Information Extraction Principles and Methods for Multispectral and Hyperspectral Image Data. In Chen, C.H. (ed.), Information Processing for Remote Sensing. River Edge, NJ: World Scientific Publishing Company. Manuscript available for download at http:// dynamo.ecn.purdue.edu/~landgreb/publications.html. Vane, Gregg, Duval, J.E., and Wellman, J.B. (1993). Imaging Spectroscopy of the Earth and Other Solar System Bodies. In Pieters, Carle M. and Englert, Peter A.J. (eds.), Remote Geochemical Analysis: Elementatl and Mineralogic Composition. Cambridge, UK: Cambridge University Press, pp. 121-143. Vane, Gregg, and Goetz, A.F.H. (1988). Terrestrial Imaging Spectroscopy. Remote Sensing of Environment, 24, pp. 1-29. Firmas de Reflectancia Espectral Ben-Dor, E., Irons, J.R., and Epema, G.F. (1999). Soil Reflectance. In Renz, Andrew N. (ed), Remote Sensing for the Earth Sciences: Manual of Remote Sensing (3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 111-188. Clark, Roger N. (1999). Spectroscopy of Rocks and Minerals, and Principles of Spectroscopy. In Renz, Andrew N. (ed), Remote Sensing for the Earth Sciences: Manual of Remote Sensing (3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 3-58. Ustin, S.L., Smith, M.O., Jacquemoud, S., Verstraete, M., and Govaerts, Y. (1999). Geobotany: Vegetation Mapping for Earth Sciences. In Renz, Andrew N. (ed), Remote Sensing for the Earth Sciences: Manual of Remote Sensing (3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 189-248. Conversin de Reflectancia Farrand, William H., Singer, R.B., and Merenyi, E., 1994, Retrieval of Apparent Surface Reflectance from AVIRIS Data: A Comparison of Empirical Line, Radiative Transfer, and Spectral Mixture Methods. Remote Sensing of Environment, 47, 311-321.

page 22

Introduction to Hyperspectral Imaging

Referencias
Goetz, Alexander F.H., and Boardman, J.W. (1997). Atmospheric Corrections: On Deriving Surface Reflectance from Hyperspectral Imagers. In Descour, Michael R. and Shen, S.S. (eds.), Imaging Spectrometry III: Proceedings of SPIE, 3118, 14-22. van der Meer, Freek (1994). Calibration of Airborne Visible/Infrared Imaging Spectrometer Data (AVIRIS) to Reflectance and Mineral Mapping in Hydrothermal Alteration Zones: An Example from the Cuprite Mining District. Geocarto International, 3, 23-37. Anlisis de Imgenes Hiperespectrales Adams, John B., Smith, M.O., and Gillespie, A.R. (1993). Imaging Spectroscopy: Interpretation Based on Spectral Mixture Analysis. In Pieters, Carle M. and Englert, Peter A.J. (eds.), Remote Geochemical Analysis: Elementatl and Mineralogic Composition. Cambridge, UK: Cambridge University Press, pp. 145-166. Clark, R.N., Gallagher, A.J., and Swayze, G.A. (1990). Material absorption band depth mapping of imaging spectrometer data using a complete band shape least-squares fit with library reference spectra. Proceedings of the Second Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) Workshop, JPL Publication 90-54, pp. 176-186. Cloutis, E.A., (1996). Hyperspectral Geological Remote Sensing: Evaluation of Analytical Techniques. International Journal of Remote Sensing, 17, 22152242. Farrand, William H., and Harsanyi, J.C. (1994). Mapping Distributed Geological and Botanical Targets through Constrained Energy Minimization. Proceedings of the Tenth Thematic Conference on Geological Remote Sensing, San Antonio, Texas, 9-12 May 1994, pp. I-419 - I-429. Green, Andrew A., Berman, M., Switzer, P., and Craig, M.D. (1988). A Transformation for Ordering Multispectral Data in Terms of Image Quality with Implications for Noise Removal. IEEE Transactions on Geoscience and Remote Sensing, 26, 65-74. Mustard, John F., and Sunshine, J.M. (1999). Spectral Analysis for Earth Science: Investigations Using Remote Sensing Data. In Renz, Andrew N. (ed), Remote Sensing for the Earth Sciences: Manual of Remote Sensing (3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 251-306.

page 23

Software Avanzado para Anlisis Geoespacial

Introduction to Hyperspectral Imaging MicroImages, Inc. publica una completa lnea de software profesional para visualizacin avanzada de datos geoespaciales, anlisis y publicaciones. Contctenos o visite nuestro sitio web para informacin detallada de los productos. TNTmips TNTmips es un sistema profesional para integracin completa de SIG, anlisis de imgenes, CAD, TIN, cartografa, y manejo de bases de datos geoespaciales. TNTedit TNTedit provee de herramientas interactivas para crear, georreferenciar, y editar vector, imgenes, CAD, TIN, y proyectos de materiales de bases de datos relacionales en una amplia variedad de formatos. TNTview TNTview posee las mismas poderosas caractersticas de TNTmips, y es perfecto para aquellos que no necesitan los procesamientos y preparaciones de TNTmips. TNTatlas TNTatlas le permite publicar y distribuir sus materiales de proyectos espaciales en CD-ROM a bajo costo. Los CDs de TNTatlas pueden ser usados sobre cualquier plataforma computacional. TNTserver TNTserver le permite publicar TNTatlases en Internet o en su intranet. Navegue a travs de atlas de geodata con su web browser y el TNTclient Java applet. TNTlite TNTlite es una versin libre de TNTmips para estudiantes y profesionales con pequeos proyectos. Usted puede descargar TNTlite desde el sitio web de MicroImages, o puede ordenar TNTlite en CD-ROM.

I N T R O A H I P E R S P

Indice
absorcin bandas...........................................................5-7 atmsfera............................................................13,18 atmsfera absorcin por..........................................13,18 dispersin por..............................................13 continuum...............................................................18 iluminacin......................................................11,12 espectrometra de imgenes ...................4, 10, 16 irradiancia, solar...................................................12 desmezcla lineal..............................................19-21 filtro de ajuste .......................................................21 espectro de igualdad, ....................................17,18 transformacin de la fraccin min. de ruido...20 ndice de pureza de pixel....................................20 resolucin, espacial.............................................10 dispersin.....................................................4, 5, 13 efectos del sensor ................................................13 sombreamiento......................................................12 bibliotecas espectrales..........................................8 radiancia espectral ...............................................11 reflectancia espectral .......................................5-11 convertiendo la imagen a....................14-15 curva Vea espectro definida............................................................5 espacio espectral ...................................................9 espectrometra.........................................................4 espectroscopio..................................................4, 5 espectro (espectra) endmember............................................19, 20 imagen...............................................3, 17-20 en biblioteca.................................................8 mineral............................................................6 mezclada......................................................10 vegetacion....................................................7 graficando.....................................................9 reflectancia.............................................5-11 suelo..............................................................5 solar............................................................12 agua..............................................................5

MicroImages, Inc.
11th Floor - Sharp Tower 206 South 13th Street Lincoln, Nebraska 68508-2010 USA Telfono: (402) 477-9554 FAX: (402) 477-9559
page 24 email: info@microimages.com

internet: www.microimages.com