マルチスペクトル画像

マルチスペクトル画像は、電磁スペクトル全体の特定の波長範囲内の画像データをキャプチャする画像です。波長は、フィルターによって、または可視光の範囲を超える周波数、つまり赤外線や紫外線からの光など、特定の波長に敏感な機器を使用して分離できます。スペクトルイメージングでは、赤、緑、青の受容体で人間の目が捕捉できない追加情報を抽出できます。もともとは宇宙ベースのイメージング用に開発されたもので、文書や絵画の分析にも使用されています。

マルチスペクトルイメージングは、少数（通常3〜15）のスペクトルバンドの光を測定します。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、多くの場合、何百もの連続したスペクトルバンドが利用可能です。

用途

軍事目標追跡

2003年に、米国陸軍研究所と連邦研究所共同技術同盟の研究者は、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）平面を同時に見ることができます。マルチスペクトルイメージングは発光を測定し、軍事目標の検出または追跡によく使用されます。中波赤外線（MWIR）および長波赤外線（LWIR）技術は、対象物に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。

サーマルイメージャーによって生成される画像の明るさは、オブジェクトの放射率と温度に依存します。すべての材料には、オブジェクトの識別を支援する赤外線署名があります。これらのシグネチャは、マルチスペクトルと同様に機能しますが、風にさらされ、より劇的に雨にさらされると、より多くのバンドを使用するハイパースペクトルシステムではあまり目立ちません。ターゲットの表面が赤外線エネルギーを反射する場合があります。この反射は、オブジェクトの固有の放射の真の読み取りを誤解する可能性があります。 MWIRテクノロジーを使用するイメージングシステムは、ターゲットの表面での太陽光の反射により良好に機能し、LWIRテクノロジーと比較して、エンジンなどの高温物体のより明確な画像を生成します。ただし、LWIRは煙や霧などの曇りのある環境でより長い波長での散乱が少ないため、より適切に動作します。研究者は、デュアルバンド技術がこれらの利点を組み合わせて、特にターゲット追跡の分野でのイメージングを改善すると主張しました。

夜間のターゲット検出では、サーマルイメージングはシングルバンドマルチスペクトルイメージングよりも優れていました。引用。デュアルバンドMWIRおよびLWIRテクノロジーは、夜間のMWIR単独よりも優れた可視化をもたらしました。引用引用。米陸軍は、デュアルバンドLWIR / MWIR FPAは、昼夜を問わず追跡した後、MWIR単独よりも戦術車両の視覚化が優れていると報告しています。

地雷検出

地表面の放射率を分析することにより、マルチスペクトルイメージングは地下ミサイルの存在を検出できます。地表と地表下の土壌は、スペクトル分析で現れる異なる物理的および化学的特性を持っています。汚れた土壌は、8.5〜9.5マイクロメートルの波長範囲で放射率を増加させますが、10マイクロメートルを超える波長の変化はありません。米国陸軍研究所のMWIR / LWIR FPAデュアルFPAは、「赤」と「青」の検出器を使用して、放射率が向上したエリアを検索しました。赤い検出器は背景として機能し、10.4マイクロメートルの波長に敏感であるため、乱されていない土壌領域の領域を検証します。青色の検出器は、9.3マイクロメートルの波長に敏感です。スキャン時に青い画像の強度が変化すると、その領域が乱れている可能性があります。科学者は、これら2つの画像を融合すると検出能力が向上したと報告しました。

弾道ミサイルの検出

大陸間弾道ミサイル（ICBM）が迎撃段階にある間に迎撃するには、ロケットプルームと同様に硬いボディのイメージングが必要です。 MWIRはロケットプルームなどの高温の物体に対して強い信号を示し、LWIRはミサイルの物質の放出を示します。米陸軍研究所は、デュアルバンドMWIR / LWIR技術により、ICBMと同様の設計のAtlas 5 Evolved Expendable Launch Vehiclesの追跡により、ミサイル本体と羽の両方を拾い上げたと報告しました。

宇宙ベースのイメージング

リモートセンシング（RS）用のほとんどの放射計は、マルチスペクトル画像を取得します。スペクトルを多くの帯域に分割するマルチスペクトルは、パンクロマティックの反対で、各ピクセルに当たる放射の合計強度のみを記録します。通常、地球観測衛星には3つ以上の放射計があります。それぞれが、小さなスペクトルバンドで1つのデジタル画像を取得します（リモートセンシングでは、「シーン」と呼ばれます）。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ます。

天気予報

最新の気象衛星は、さまざまなスペクトルの画像を生成します。

マルチスペクトルイメージングは、比較的広い帯域幅の2〜5個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結合します。マルチスペクトルシステムは通常、可視（0.4〜0.7 µm）、近赤外線（NIR; 0.7〜1 µm）、短波赤外線（SWIR; 1〜1.7 µm）、中波赤外線（MWIR; 3.5〜5）の組み合わせを提供します。 µm）または長波赤外線（LWIR; 8〜12 µm）帯域を単一システムに統合します。 —ヴァレリー・C・コフィー

Landsat衛星の場合、複数の異なるバンド指定が使用されており、最大11バンド（Landsat 8）がマルチスペクトル画像で構成されています。より高い放射分解能（数百または数千のバンドを含む）のスペクトルイメージング、より細かいスペクトル分解能（より小さな帯域を含む）、またはより広いスペクトルカバレッジは、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場合があります。

ドキュメントとアートワーク

この技術は、Herculaneumで見られるものなど、古代のパピルの解釈にも、赤外線範囲（1000 nm）でフラグメントをイメージングすることで支援しました。多くの場合、ドキュメントのテキストは、黒紙に黒インクとして肉眼で表示されます。 1000 nmでは、紙とインクが赤外線を反射する方法の違いにより、テキストがはっきりと読みやすくなります。また、365〜870 nmの帯域幅で羊皮紙の葉を画像化することによりアルキメデスのパリンプセストを画像化するために使用され、その後アルキメデスの作品の背景を明らかにするために高度なデジタル画像処理技術を使用します。イェール大学のメロン財団プロジェクトでは、中世の英語原稿のインクを比較するためにマルチスペクトルイメージングが使用されています。

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使用できます。絵は紫外線、可視光線、赤外線によって照射され、反射された放射はこのスペクトルの領域に敏感なカメラに記録されます。画像は、反射放射線の代わりに透過放射線を使用して登録することもできます。特別な場合には、絵画にUV、VISまたはIR光線を照射し、顔料またはワニスの蛍光を記録することができます。

マルチスペクトルイメージングは、古い本や原稿の変色や汚れの検査にも使用されています。染みの「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、染みを識別することができます。この技術は医学および錬金術のテキストを調べるために使用され、初期の化学者の活動および彼らが実験で使用した可能性のある化学物質についてのヒントを求めてきました。料理人が料理本に小麦粉や酢をこぼすように、初期の化学者は薬を作るために使われる材料のページに明確な証拠を残したかもしれません。

スペクトルバンド

波長は近似値です。正確な値は、特定の衛星の機器によって異なります。

青色、450〜515..520 nmは、大気と深海のイメージングに使用され、澄んだ水で最大150フィート（50 m）の深さに達することができます。
Green 515..520〜590..600 nmは、植生と深海構造物のイメージングに使用され、最大90フィート（30 m）の透明な水の中にあります。
赤、600..630〜680..690 nmは、最大30フィート（9 m）の深さの水、土壌、および植生の人工物のイメージングに使用されます。
750〜900 nmの近赤外線 （NIR）は、主に植生のイメージングに使用されます。
1550〜1750 nmの中赤外線 （MIR）は、植生、土壌水分、およびいくつかの森林火災の画像化に使用されます。
2080〜2350 nmの遠赤外線 （FIR）は、土壌、水分、地質学的特徴、ケイ酸塩、粘土、および火災のイメージングに使用されます。
熱赤外 （10400〜12500 nm）は、反射放射の代わりに放射を使用して、地質構造、水流の熱差、火災、および夜間の研究を撮像します。
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オブジェクトの検出に役立ちます。

スペクトルバンドの使用

さまざまな目的のために、スペクトルバンドのさまざまな組み合わせを使用できます。通常、赤、緑、青のチャネルで表されます。バンドの色へのマッピングは、画像の目的とアナリストの個人的な好みに依存します。熱赤外は、特別な目的を除いて、空間分解能が低いために考慮から除外されることがよくあります。

トゥルーカラーは、それぞれの色にマッピングされた赤、緑、青のチャンネルのみを使用します。無地の写真であるため、人工物の分析に役立ち、初心者のアナリストにとっては理解しやすいものです。
青チャネルが近赤外線に置き換えられる緑赤赤外線は 、植生に使用され、近赤外線で非常に反射します。その後、青で表示されます。この組み合わせは、植生とカモフラージュの検出によく使用されます。
Blue-NIR-MIRでは、青のチャネルは可視の青を使用し、緑はNIRを使用しているため（植生は緑のままです）、MIRは赤で表示されます。このような画像により、水深、植生範囲、土壌水分量、および火災の存在をすべて単一の画像で見ることができます。

他の多くの組み合わせが使用されています。 NIRは赤で表示されることが多く、植生に覆われたエリアが赤く表示されます。

分類

他の航空写真や衛星画像の解釈作業とは異なり、これらのマルチスペクトル画像では、目視検査で特徴の種類を直接簡単に特定することはできません。したがって、リモートセンシングデータを最初に分類し、その後、ユーザーが画像に存在する特徴を理解できるように、さまざまなデータ強化技術による処理を行う必要があります。

このような分類は、使用され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を伴う複雑なタスクです。これらの手法は、主に2つのタイプに分類できます。

教師付き分類手法
教師なし分類手法

教師付き分類では、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は、グラウンドトゥルース、つまり既知のものが存在する地面上の領域です。トレーニングエリアのスペクトルシグネチャは、画像の残りのピクセルで同様のシグネチャを検索するために使用され、それに応じて分類します。この分類のためのトレーニングサンプルの使用は、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、最尤法と畳み込みニューラルネットワークがあります。最尤法は、クラス（つまり、特徴）に属するピクセルの確率を計算し、その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方法は、空間的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の事前知識は必要ありません。ピクセル値の自然なクラスタリングまたはグループ化、つまりピクセルのグレーレベルが観察されます。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、クラスが多くなります。ただし、特定の制限を超えると、クラスのバリエーションが表現されるという意味で、同じクラスが異なるクラスで表現されます。クラスターを形成した後、画像ピクセルが属するクラスを識別する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、クラスに関するアプリオリ情報は必要ありません。教師なし分類で一般的な方法の1つは、k-meansクラスタリングです。

マルチスペクトル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分析ソフトウェアです。
スナネズミは、オープンソースのマルチスペクトル視覚化および分析ソフトウェアです。