Гиперспектральная съёмка — раздел прикладной оптики, который изучает растровые изображения, каждый пиксел которых связан не с отдельным значением интенсивности света, а с полным спектральным разложением оптической энергии в границах какого-либо частотного диапазона. Эти значения обычно не ограничиваются видимым светом и нередко включают в себя также другие длины волн, например — ИК-диапазон[1].
Собранная таким образом информация, как правило, представляется для анализа в виде гиперкуба, оси которого соответствуют распределению зарегистрированных спектроскопических характеристик (отражаемости, флюоресценции, рамановского спектра и т. п.), пространственным координатам и, нередко, времени[1].
В настоящее время гиперспектральные методы активно используются в самых разнообразных приложениях, среди которых можно выделить медицину, контроль качества материалов, диагностику заболеваний, детекцию движущихся транспортных средств, мониторинг окружающей среды, дистанционное зондирование и т. д.[2][3] Так, например, с помощью гиперспектральной визуализации в видимом, ближнем инфракрасном и коротковолновом инфракрасном диапазонах спектра можно идентифицировать патогенные микроорганизмы в смешанных биопленках, таких как пара золотистого стафилококка и синегнойной палочки, которые часто встречаются на поверхностях в моновидовых и полимикробных биопленках, состоящих из комбинаций различных штаммов.[4]
Гиперспектральную съёмку не следует путать с многоспектральными методиками, которые оперируют массивами узкополосных данных[1]. В отличие от них, гиперспектральные изображения содержат сотни каналов, внутри которых осуществляется независимый сбор и регистрация информации высокого разрешения[2]. Характерной особенностью задач, связанных с гиперспектральными методами, является то, что искомая информация оказывается распределена по большим объёмам данных, а искомые объекты не могут быть обнаружены посредством визуального наблюдения. Как правило, их детекция осуществляется или на субпиксельном уровне или посредством совмещения данных[5].
Примечания
- ↑ 123Selci, 2019, p. 1.
- ↑ 12Chang, 2007, p. 2.
- ↑Selci, 2019, p. 2—5.
- ↑Mikhail I. Bogachev, Pavel S. Baranov, Aleksandr M. Sinitca, Anna V. Mironova, Dmitry R. Sharivzyanov, Alexander A. Basmanov, Elena Y. Trizna, Anna S. Gorshkova, Nikita S. Pyko, Airat R. Kayumov. Non-contact identification of opportunistic pathogens in mixed biofilm contaminations by hyperspectral imaging (англ.) // Analytica Chimica Acta. — 2026-02. — Vol. 1388. — P. 345098. — doi:10.1016/j.aca.2026.345098.
- ↑Chang, 2007, p. 2, 3.
Источники
- C.-I. Chang. Hyperspectral Data Exploitation : Theory and Applications : [англ.] / C.-I. Chang. — Wiley-Interscience, 2007. — ISBN 978-0-471-74697-3.
- S. Selci. The Future of Hyperspectral Imaging : [англ.] / S. Selci. — The Future of Hyperspectral Imaging. — Basel : MDPI, 2019. — ISBN 978-3-03921-822-6.