マルチスペクトルイメージング
SDOによる、太陽のさまざまな波長の部分を同時に表示するビデオ。
1969 年にアポロ 9 号が、異なる公称波長 (800 nm/赤外線、645 nm/赤、525 nm/緑) で取得した 3 枚の画像を組み合わせて得られたミシシッピ川の一部を撮影したマルチスペクトル画像。
メッセンジャーが取得した水星表面のベッククレーターとその光条群のマルチスペクトル画像。波長996、748、433 nmの画像を組み合わせています。画像の他の部分にある明るい黄色の斑点は空洞です。

マルチスペクトルイメージングは​​、電磁スペクトル全体の特定の波長範囲内で画像データをキャプチャします。[ 1 ]波長はフィルターで分離するか、可視光範囲を超える周波数の光（赤外線や紫外線など）を含む特定の波長に敏感な機器を使用して検出できます。これにより、人間の目が赤、緑、青の可視受容体で捉えられない追加情報を抽出できます。これはもともと軍事目標の識別と偵察のために開発されました。初期の宇宙ベースの画像プラットフォームには、地球の海岸線、植生、地形に関する詳細をマッピングするために、マルチスペクトルイメージング技術が組み込まれていました。 [ 2 ]マルチスペクトルイメージングは​​、文書や絵画の分析にも使用されています。 [ 3 ]マルチスペクトルイメージングは​​、文書や絵画の分析にも使用されています。[ 4 ] [ 5 ]

マルチスペクトルイメージングでは、少数（通常3～15）のスペクトルバンドで光を測定します。 ハイパースペクトルイメージングは​​スペクトルイメージングの特殊なケースであり、数百もの連続したスペクトルバンドが利用可能となることがよくあります。[ 6 ]

スペクトルバンドの使用

目的に応じて、スペクトルバンドの様々な組み合わせを使用できます。通常、スペクトルバンドは赤、緑、青のチャンネルで表されます。バンドの色へのマッピングは、画像の目的と分析者の好みによって異なります。熱赤外線は、特別な目的を除いて、空間解像度が低いため、考慮されないことがよくあります。

  • トゥルーカラーは、赤、緑、青の3つのチャンネルのみを使用し、それぞれの色にマッピングします。単純なカラー写真であるため、人工物の分析に適しており、初心者の分析者にも理解しやすいです。
  • 緑・赤・赤外線（青色チャンネルを近赤外線に置き換えたもの）は、近赤外線で反射率の高い植生を検知するために用いられます。植生は青色で表示されます。この組み合わせは、植生やカモフラージュの検出によく用いられます。
  • 青-近赤外-中赤外（Blue-NIR-MIR）では、青チャンネルは可視光線の青、緑チャンネルは近赤外（NIR）を使用し（植生は緑のまま）、中赤外（MIR）は赤で表示されます。このような画像では、水深、植生の被覆率、土壌水分量、火災の有無などをすべて1枚の画像で確認できます。

他にも多くの組み合わせが使用されています。NIRは赤色で表示されることが多く、植生に覆われた領域が赤く見える原因となります。

典型的なスペクトルバンド

波長は概算であり、正確な値は特定の機器（地球観測用の衛星センサーの特性、文書分析用の照明とセンサーの特性など）によって異なります。

  • 青色（450～515/520 nm）は、大気や深海の撮影に使用され、透明水中では最大150フィート（50 m）の深さまで到達できます。
  • 緑（515/520～590/600 nm）は、透明水中の最大90フィート（30メートル）までの植生や深海構造を撮影するために使用されます。
  • 赤（600/630～680/690 nm）は、最大深さ30フィート（9メートル）の水中の人工物、土壌、植物の撮影に使用されます。
  • 近赤外線(NIR) (750～900 nm) は、主に植生の画像化に使用されます。
  • 中赤外線（MIR）（1550～1750 nm）は、植生、土壌水分含有量、一部の森林火災の画像化に使用されます。
  • 遠赤外線(FIR) (2080～2350 nm) は、土壌、水分、地質学的特徴、ケイ酸塩、粘土、火災の画像化に使用されます。
  • 熱赤外線（10,400～12,500 nm）は、反射放射ではなく放射を使用して、地質構造、水流の温度差、火災、夜間研究などを画像化します。
  • レーダーおよび関連技術は、地形のマッピングやさまざまな物体の検出に役立ちます。

分類

他の航空写真や衛星画像の判読作業とは異なり、これらのマルチスペクトル画像では、目視による地物の種類を直接特定することは容易ではありません。そのため、リモートセンシングデータはまず分類され、その後、様々なデータ強調技術を用いて処理され、ユーザーが画像内に存在する地物を理解できるようにする必要があります。

このような分類は複雑な作業であり、使用する分類アルゴリズムに応じてトレーニングサンプルの厳密な検証が必要になります。これらの手法は主に2つのタイプに分類できます。

  • 教師あり分類技術
  • 教師なし分類技術

教師あり分類ではトレーニング サンプルを使用します。トレーニング サンプルとは、地上の真実 (ground true)が存在する領域、つまり既知の領域です。トレーニング領域のスペクトル特性を使用して、画像の残りのピクセルで同様の特性が検索され、それに従って分類が行われます。このトレーニング サンプルを使用した分類は、教師あり分類と呼ばれます。トレーニング サンプルの選択と偏った選択は分類の精度に悪影響を与える可能性があるため、この方法では専門知識が非常に重要です。一般的な手法には、最大尤度原理と畳み込みニューラル ネットワークがあります。最大尤度原理では、ピクセルがクラス (つまり、特徴) に属する確率を計算し、ピクセルを最も可能性の高いクラスに割り当てます。新しい畳み込みニューラル ネットワークベースの手法[ 7 ]では、空間的な近接性とスペクトル全体の両方を考慮して、最も可能性の高いクラスを決定します。

教師なし分類の場合、画像の特徴を分類するために事前の知識は必要ありません。ピクセル値（つまり、ピクセルのグレーレベル）の自然なクラスタリングまたはグループ化が観察されます。次に、画像内のクラスの数を採用するためのしきい値が定義されます。しきい値が細かいほど、クラスの数は多くなります。ただし、特定の限度を超えると、クラス内の変動が表現されるという意味で、同じクラスが異なるクラスとして表現されます。クラスターを形成後、画像ピクセルが属するクラスを識別するために、グラウンドトゥルース検証が行われます。したがって、この教師なし分類では、クラスに関する事前情報は必要ありません。教師なし分類でよく使用される方法の1つは、k平均法クラスタリングです。

データ分析ソフトウェア

  • MicroMSI はNGAによって承認されています。
  • Opticksはオープンソースのリモートセンシング アプリケーションです。
  • Multispecはフリーウェアのマルチスペクトル解析ソフトウェアです。[ 8 ]
  • Gerbilはオープンソースのマルチスペクトル可視化および解析ソフトウェアです。[ 9 ]

アプリケーション

軍事目標追跡

マルチスペクトルイメージングは​​光の放射を測定するもので、軍事目標の検知や追跡によく用いられます。2003年、米国陸軍研究所と連邦研究所共同技術同盟の研究者らは、デュアルバンド・マルチスペクトルイメージング焦点面アレイ（FPA）を報告しました。このFPAにより、研究者は2つの赤外線（IR）面を同時に観測することが可能になりました。[ 10 ]中波赤外線（MWIR）と長波赤外線（LWIR）技術は、物体固有の放射を測定し、外部光源を必要としないため、熱画像法 とも呼ばれます。

熱画像装置によって生成される画像の明るさは、物体の放射率と温度に依存する。[ 11 ]  すべての物質は、物体の識別に役立つ赤外線シグネチャを持っている。 [ 12 ]これらのシグネチャは、ハイパースペクトルシステム（マルチスペクトルシステムよりもはるかに多くのバンドで画像化する）や、風、さらに深刻な場合は雨にさらされた場合にはあまり顕著にならない。[ 12 ] 対象物の表面が赤外線エネルギーを反射する場合があります。この反射によって、物体の固有の放射の正確な読み取りが誤認される場合があります。[ 13 ] MWIR技術を使用する画像化システムは、LWIR技術と比較して、対象物の表面での太陽光の反射をより適切に処理し、エンジンなどの高温の物体のより明確な画像を生成します。[ 14 ]ただし、LWIRは、波長が長いほど散乱が少なくなるため、煙や霧などのもやの かかった環境でより適切に動作します。[ 11 [ 10 ]

夜間の標的検知において、熱画像撮影は単一帯域のマルチスペクトル画像撮影よりも優れた性能を示しました。MWIRとLWIRのデュアルバンド技術は、夜間においてMWIR単独よりも優れた可視性をもたらしました。引用引用。米陸軍は、デュアルバンドLWIR/MWIR FPAが昼夜を問わず戦術車両を追跡した結果、MWIR単独よりも優れた可視性を実証したと報告しています。

地雷探知

地表の放射率を分析することで、マルチスペクトル画像化は地中ミサイルの存在を検出することができます。表土と地下の土壌は、スペクトル分析で現れる物理的・化学的特性が異なります。[ 12 ]撹乱された土壌は、8.5～9.5マイクロメートルの波長域で放射率が増加していますが、10マイクロメートルを超える波長域では変化が見られません。[ 10 ]米陸軍研究所のMWIR/LWIRデュアルFPAは、「赤色」と「青色」の検出器を用いて放射率が増加した領域を探索しました。赤色検出器は10.4マイクロメートルの波長に感度があるため、撹乱されていない土壌領域を確認する背景として機能します。青色検出器は9.3マイクロメートルの波長に感度があります。スキャン中に青色画像の強度が変化する場合、その領域は撹乱されている可能性が高いです。科学者たちは、これら2つの画像を融合することで検出能力が向上したと報告しています。[ 10 ]

弾道ミサイル探知

大陸間弾道ミサイル（ICBM）をブースト段階で迎撃するには、ロケットプルームだけでなく、ミサイル本体の硬質部分も撮影する必要がある。中波赤外線（MWIR）はロケットプルームを含む高熱物体から強力な信号を発し、長波赤外線（LWIR）はミサイル本体の物質から放射する放射線を発生する。米陸軍研究所は、デュアルバンドMWIR/LWIR技術を用いて、ICBMと設計が類似するアトラス5型進化型使い捨てロケットを追跡し、ミサイル本体とプルームの両方を捉えたと報告している[ 10 ] 。

宇宙ベースの画像撮影

リモートセンシング（RS）用の放射計のほとんどは、マルチスペクトル画像を取得します。マルチスペクトルは、スペクトルを複数のバンドに分割する点で、各ピクセルに当たる放射の総強度のみを記録するパンクロマティックとは逆です。[ 15 ]通常、地球観測衛星には3台以上の放射計が搭載されています。各放射計は、小さなスペクトルバンドで1枚のデジタル画像（リモートセンシングでは「シーン」と呼ばれます）を取得します。バンドは、光の起源と研究者の関心に基づいて波長領域にグループ化されています。

天気予報

現代の気象衛星は様々なスペクトルの画像を生成します。[ 16 ]

マルチスペクトルイメージングは​​、比較的広い帯域幅を持つ2～5つのスペクトルイメージングバンドを単一の光学システムに統合します。マルチスペクトルシステムは通常、可視光（0.4～0.7µm）、近赤外線（NIR; 0.7～1µm）、短波赤外線（SWIR; 1～1.7µm）、中波赤外線（MWIR; 3.5～5µm）、または長波赤外線（LWIR; 8～12µm）のバンドを単一のシステムに統合します。— ヴァレリー・C・コフィー[ 17 ]

ランドサット衛星の場合、いくつかの異なるバンド指定が使用されており、最大11バンド（ランドサット8）でマルチスペクトル画像が構成されている。[ 18 ] [ 19 ] [ 20 ] より高い放射分解能（数百または数千のバンドを含む）、より細かいスペクトル分解能（より小さなバンドを含む）、またはより広いスペクトル範囲を持つスペクトル画像は、ハイパースペクトルまたはウルトラスペクトルと呼ばれることがある。[ 20 ]

文書とアートワーク

マルチスペクトルイメージングは​​、絵画やその他の芸術作品の調査に用いることができる。 [ 4 ]絵画に紫外線、可視光線、赤外線を照射し、反射光をこのスペクトル領域に感度のあるカメラで記録する。反射光の代わりに透過光を用いて画像を記録することも可能である。特殊なケースでは、絵画に紫外線、可視光線、赤外線を照射し、顔料やワニスの蛍光を記録することも可能である。[ 21 ]

マルチスペクトル解析は、ヘルクラネウムで発見されたような古代パピルスの解読に役立っており、断片を赤外線領域（1000 nm）で画像化しています。多くの場合、文書の文字は肉眼では黒い紙に黒いインクで書かれているように見えます。1000 nmでは、紙とインクの赤外線反射率の違いにより、文字が明瞭に判読できます。また、この解析法は、アルキメデスのパリンプセストの画像化にも使用されています。羊皮紙の葉を365～870 nmの帯域幅で画像化し、高度なデジタル画像処理技術を使用してアルキメデスの著作の裏文字を明らかにしています。[ 22 ]マルチスペクトル画像処理は、イェール大学のメロン財団のプロジェクトで、中世英語写本のインクを比較するために使用されています。[ 5 ]

マルチスペクトルイメージングは​​、古書や写本の変色や汚れの調査にも利用されてきました。汚れの「スペクトル指紋」を既知の化学物質の特性と比較することで、汚れの特定が可能になります。この技術は医学書や錬金術書の調査にも用いられ、初期の化学者の活動や実験に使用された可能性のある化学物質に関するヒントを探してきました。料理人が料理本に小麦粉や酢をこぼすように、初期の化学者は薬の材料のページに具体的な証拠を残していたかもしれません。[ 23 ]

参照

参考文献

  1. ^ Mukhtar, Sani; Arbabi, Amir; Viegas, Jaime (2025). 「スペクトルイメージングの進歩：技術とテクノロジーのレビュー」 IEEE Access . 13 : 35848–35902 . doi : 10.1109/ACCESS.2025.3544476 .
  2. ^ RA Schowengerdt. リモートセンシング：画像処理のモデルと手法、Academic Press、第3版、(2007)
  3. ^ 「13. マルチスペクトル画像処理 | 地理情報の性質」 www.e-education.psu.edu . 2019年11月14日閲覧。
  4. ^ a b Baronti, A. Casini, F. Lotti, S. Porcinai, 主成分分析を用いた美術作品の顔料マッピングのためのマルチスペクトル画像システム, Applied Optics Vol. 37, Issue 8, pp. 1299–1309 (1998)
  5. ^ a bワイスコット、エリック。「マルチスペクトル画像と中世写本」。『ラウトレッジデジタル中世文学研究ガイド』所収。ジェニファー・E・ボイル、ヘレン・J・バージェス共著。ロンドン：ラウトレッジ。186～196頁。
  6. ^ Hagen, Nathan; Kudenov, Michael W. (2013). 「スナップショットスペクトルイメージング技術のレビュー」 .光工学. 52 (9) 090901. Bibcode : 2013OptEn..52i0901H . doi : 10.1117/1.OE.52.9.090901 .
  7. ^ Ran, Lingyan; Zhang, Yanning; Wei, Wei; Zhang, Qilin (2017-10-23). 「空間ピクセルペア特徴を用いたハイパースペクトル画像分類フレームワーク」 . Sensors . 17 (10): 2421. Bibcode : 2017Senso..17.2421R . doi : 10.3390/ s17102421 . PMC 5677443. PMID 29065535 .  
  8. ^ Biehl, Larry; Landgrebe, David (2002-12-01). 「MultiSpec: マルチスペクトル-ハイパースペクトル画像データ解析ツール」 . Computers & Geosciences . 28 (10): 1153– 1159. Bibcode : 2002CG.....28.1153B . doi : 10.1016/S0098-3004(02)00033-X . 2017年4月28日閲覧。
  9. ^ Jordan, Johannes; Angelopoulou, Elli (2010). 「Gerbil - マルチスペクトル領域における視覚化と分析のための斬新なソフトウェアフレームワーク」. Reinhard Koch (編). Vision, Modeling, and Visualization . The Eurographics Association. doi : 10.2312/PE/VMV/VMV10/259-266 . ISBN 978-3-905673-79-1。
  10. ^ a b c d e Goldberg, A.; Stann, B.; Gupta, N. (2003年7月). 「米国陸軍研究所におけるマルチスペクトル、ハイパースペクトル、および3次元画像研究」(PDF).国際核融合会議議事録 [6th] . 1: 499–506.
  11. ^ a b「IR理論入門」オプトエンジニアリング。2018年8月15日閲覧。
  12. ^ a b c Makki, Ihab; Younes, Rafic; Francis, Clovis; Bianchi, Tiziano; Zucchetti, Massimo (2017-02-01). 「ハイパースペクトルイメージングを用いた地雷探知の調査」(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 . 
  13. ^ Li, Ning; Zhao, Yongqiang; Pan, Quan; Kong, Seong G. (2018-06-25). 「偏光特性を考慮したLWIR画像における反射の除去」 . Optics Express . 26 (13): 16488– 16504. Bibcode : 2018OExpr..2616488L . doi : 10.1364/OE.26.016488 . ISSN 1094-4087 . PMID 30119479 .  
  14. ^ Nguyen, Chuong; Havlicek, Joseph; Fan, Guoliang; Caulfield, John; Pattichis, Marios (2014年11月). 「堅牢なデュアルバンドMWIR/LWIR赤外線ターゲットトラッキング」. 2014年第48回アシロマ信号・システム・コンピュータ会議. pp.  78– 83. doi : 10.1109/ACSSC.2014.7094401 . ISBN 978-1-4799-8297-4. S2CID  9071883 .
  15. ^ 「3.1.1. マルチスペクトル画像とパンクロマティック画像」STARSプロジェクト。2018年5月14日閲覧。
  16. ^ Bellerby, Tim; Todd, Martin; Kniveton, Dom; Kidd, Chris (2001). 「人工ニューラルネットワークを用いたTRMM降水レーダーとGOESマルチスペクトル衛星画像の組み合わせによる降水量推定」 . 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 .  
  17. ^ Coffey, Valerie C. (2012年4月1日). 「マルチスペクトルイメージングが主流へ」 . Optics and Photonics News . 23 (4): 18. doi : 10.1364/OPN.23.4.000018 . 2018年5月14日閲覧。
  18. ^ 「Landsat衛星のバンド指定は何ですか？」米国地質調査所。2017年1月22日時点のオリジナルよりアーカイブ。 2018年4月25日閲覧。
  19. ^ Grolier, Maurice J.; Tibbitts Jr., G. Chase; Ibrahim, Mohammed Mukred (1984). Landsat画像によるイエメン・アラブ共和国の水文学に関する定性的評価 水供給論文 1757-P 著. USGPO p. 19. 2018年5月14日閲覧。
  20. ^ a b Tatem, Andrew J.; Goetz, Scott J.; Hay, Simon I. (2008). 「地球観測衛星の50年」 . American Scientist . 96 (5): 390– 398. doi : 10.1511/2008.74.390 . PMC 2690060. PMID 19498953 .  
  21. ^ ColourLexのマルチスペクトルイメージング
  22. ^ 「アルキメデス・パリンプセストのマルチスペクトル画像化」アルキメデス・パリンプセスト・プロジェクト。 2015年9月17日閲覧。
  23. ^アヴリル・トム（2018年5月14日）「スキャンにより、ペンシルベニア大学所蔵の中世の『ハリー・ポッター』本と医学書の秘密が明らかに」フィラデルフィア・インクワイアラー紙。 2018年5月14日閲覧。

さらに読む

  • ハロルド・ハフ（1991年）『衛星監視』ポート・タウンゼント、ワシントン州：ルンパニックス・アンリミテッド、ISBN 1-55950-077-8。
「 https://en.wikipedia.org/w/index.php?title=Multispectral_imaging&oldid=1331237907」より取得