„Képalkotó spektrometria” változatai közötti eltérés

[nem ellenőrzött változat][nem ellenőrzött változat]
Tartalom törölve Tartalom hozzáadva
→‎Hogyan működik?: linkek, korr.
11. sor:
 
== Hogyan működik? ==
[[Kép:hipersp-mukodes.jpg|bélyegkép|jobbra|250px|A képalkotó spektrometria technológiája]]
 
Jól azonosítható fényvisszaverési görbéje (spektruma, spektrális „ujjlenyomata”) van az egyes [[molekula|molekuláknak]], ásványoknak vagy a növényfajoknak, a legtöbbször vizsgált 0,4-2,5 [[µm]] sávban. Ezekről laboratóriumban pontos (és pontszerű) mérések készültek, melyek spektrumkönyvtárakból lehívhatók és összehasonlíthatók a terepi mérésekkel. A képalkotó spektrometriában, más elnevezéssel hiperspektrális távérzékeléssel (imaging spectroscopy, hyperspectral remote sensing) egy nagyobb területet képelemekre bontva végezzük el (közel) egyidejűleg minden képelemre a teljes spektrális mérést, így egy összefüggő területről kapunk teljes spektrális információt, miközben ily módon minden képelemről rendelkezésre áll egy csaknem folyamatos spektrumgörbe.
 
Jól azonosítható fényvisszaverési görbéje (spektruma, spektrális „ujjlenyomata”) van az egyes molekuláknak, ásványoknak vagy a növényfajoknak, a legtöbbször vizsgált 0,4-2,5 µm sávban Ezekről laboratóriumban pontos (és pontszerű) mérések készültek, melyek spektrumkönyvtárakból lehívhatók és összehasonlíthatók a terepi mérésekkel. A képalkotó spektrometriában, más elnevezéssel hiperspektrális távérzékeléssel (imaging spectroscopy, hyperspectral remote sensing) egy nagyobb területet képelemekre bontva végezzük el (közel) egyidejűleg minden képelemre a teljes spektrális mérést, így egy összefüggő területről kapunk teljes spektrális információt, miközben ily módon minden képelemről rendelkezésre áll egy csaknem folyamatos spektrumgörbe.
Az egy területről felvett adatmennyiséget hiperspektrális adatkockának nevezzük. Az adatkocka tartalma közvetlenül maximum 3 sávot felhasználó színes képként, egy képelem információtartalma pedig spektrumgörbeként jeleníthető meg.
 
A folyamatos spektrumgörbe vizsgálata új megközelítés a kőzeteket, növényzetet, talajt, stb. külső megjelenési jegyei vagy spektrumgörbéje néhány pontja alapján történő meghatározása mellett.
[[Kép:hipersp-mukodes.jpg|bélyegkép|jobbra|250px|A képalkotó spektrometria technológiája]]
 
A legegyszerűbb spektrométerek csak egy viszonylag kis felületről visszavert fényt mérik, azaz nem képalkotók (egy képhez több elkülönített képelem kell). A terepi vagy laboratóriumi spektrométerek lényegében úgy működnek, mint egy [[fénymérő]], de egy széles [[hullámhossz]]-tartományon belül több tíz – több száz sávban adják meg a fényvisszaverés értékét. Ebből áll össze a spektrum görbéje.
A folyamatos spektrumgörbe vizsgálata új megközelítés a kőzeteket, növényzetet, talajt stb. külső megjelenési jegyei vagy spektrumgörbéje néhány pontja alapján történő meghatározása mellett.
 
A multispektrális képen a [[látható tartománybantartomány]]ban felvett általában legalább három, valamint az infravörösben[[infravörös]]ben is felvett képet értjük, így legalább négy színcsatornát. Hiperspektrális képen általában a teljes optikai sávban végzett felvételek értendők, ahol a csatornák száma nagy (több tíz), így az egyes csatornák hullámhossz-szélessége kisebb (spektrális felbontása jobb).
A legegyszerűbb spektrométerek csak egy viszonylag kis felületről visszavert fényt mérik, azaz nem képalkotók (egy képhez több elkülönített képelem kell). A terepi vagy laboratóriumi spektrométerek lényegében úgy működnek, mint egy fénymérő, de egy széles hullámhossz-tartományon belül több tíz – több száz sávban adják meg a fényvisszaverés értékét. Ebből áll össze a spektrum görbéje.
A [[Landsat]] TM felvételek hét, átlagosan egy-kétszáz nanométeres[[nanométer]]es szélességű hullámsávban készülnek egy-egy területről. Ezek mezőgazdasági termésbecslés során jól felhasználhatók, egyes növényfajták jól elkülöníthetők rajtuk (Csornai et al. 1997). Miért van szükség a hiperspektrális képek sokkal nagyobb számú sávjára? A hiperspektrális felvételek sávjai nemcsak számosabbak, de egyúttal jóval keskenyebbek is: szélességük csak néhány nanométer. Így azokat a részleteket is rögzíteni tudják, amelyeket a multispektrális képek – rosszabb spektrális felbontásuk miatt – nem mutathatnak ki.
 
Így pl. a növényzet spektrumára jellemző vörös él alsó, felső és [[inflexiós pontjainakpont]]jainak, vagy a finom lefutású abszorpciós[[abszorpció]]s sávok meghatározásával lehetővé válik a felszín korábban nem elkülöníthető kategóriáinak beazonosítása.
A multispektrális képen a látható tartományban felvett általában legalább három, valamint az infravörösben is felvett képet értjük, így legalább négy színcsatornát. Hiperspektrális képen általában a teljes optikai sávban végzett felvételek értendők, ahol a csatornák száma nagy (több tíz), így az egyes csatornák hullámhossz-szélessége kisebb (spektrális felbontása jobb).
A Landsat TM felvételek hét, átlagosan egy-kétszáz nanométeres szélességű hullámsávban készülnek egy-egy területről. Ezek mezőgazdasági termésbecslés során jól felhasználhatók, egyes növényfajták jól elkülöníthetők rajtuk (Csornai et al. 1997). Miért van szükség a hiperspektrális képek sokkal nagyobb számú sávjára? A hiperspektrális felvételek sávjai nemcsak számosabbak, de egyúttal jóval keskenyebbek is: szélességük csak néhány nanométer. Így azokat a részleteket is rögzíteni tudják, amelyeket a multispektrális képek – rosszabb spektrális felbontásuk miatt – nem mutathatnak ki.
 
Így pl. a növényzet spektrumára jellemző vörös él alsó, felső és inflexiós pontjainak, vagy a finom lefutású abszorpciós sávok meghatározásával lehetővé válik a felszín korábban nem elkülöníthető kategóriáinak beazonosítása.
 
[[Kép:hiperspektralis-adatkocka.jpg|bélyegkép|jobbra|250px|A hiperspektrális adatkocka]]
 
A hiperspektrális képfeldolgozás nem ritkán [[gigabájt]] nagyságrendű adathalmaz kezelését igényli. Az eljárás optimalizálása érdekében gyakran alkalmaznak adattömörítést[[adattömörítés]]t (pl. fő-komponens analízist), valamint a kevésbé fontos, vagy redundáns adatok elhagyását. Ha azonban a spektrumgörbéket szeretnénk használni, pl. más spektrumkönyvtár adataival összevetve, az adatdimenzionalitás nem csökkenthető.
 
== A spektrometria alapjai ==