Publicado

2016-10-01

Dual arm compressive spectral imaging in the visible and IR range

Sistema dual para muestreo compresivo de imágenes espectrales en el rango visible e infrarrojo

Palabras clave:

Spectral Imaging, Compressive Sensing, Dual arm, Infrared, Visible (en)
Imágenes Espectrales, Muestreo Compresivo, Sistema Dual, Infrarrojo, Visible (es)

Descargas

Autores/as

Imaging spectroscopy involves sensing spatial information in a scene across a range of wavelengths in order to acquire a three-dimensional data cube. Spectral images play an important role in science and technology. Some of their applications require image acquisition in both the visible and the infrared ranges in order to detect characteristics that are not noticeable to the bare eye. These can be perceived in lower layers of the scene where the visible radiation does not penetrate. This paper proposes a compressive image acquisition system that reduces the number of optical elements by jointly and compressively acquiring the images in the visible and infrared spectra. It also evaluates whether the quality of the reconstructed images is good enough to consider the optical implementation of the proposed system. Diverse simulations are performed to determine the peak signal to noise ratio (PSNR) of the data cubes as a function of the coded apertures transmittance, the Gaussian noise applied to the measurements and the number of snapshots. The simulations provide PSNR values of up to 33 dB in the reconstructed images.
La espectroscopia de imágenes involucra el muestreo de la información espacial de un objetivo a lo largo de un conjunto de longitudes de onda, en el que se adquiere un cubo de datos de tres dimensiones, dos de ellas espaciales y una espectral. Las imágenes espectrales juegan un papel importante en muchos campos de la ciencia y la tecnología, algunas de sus aplicaciones exigen la adquisición de la imagen en el espectro visible e infrarrojo, con el fin de detectar características no distinguibles a simple vista, presentes en capas inferiores del objetivo donde la luz visible no alcanza a atravesar. Este trabajo propone un sistema que reduce dichos costos de implementación adquiriendo simultáneamente y de forma comprimida la imagen en el espectro visible e infrarrojo. Además evalúa si la calidad de las imágenes reconstruidas es lo suficientemente buena para considerar su implementación óptica. Se realizaron diversas simulaciones para determinar la relación señal a ruido pico (PSNR, por su sigla en inglés) de los cubos de datos reconstruidos, en función de la transmitancia de los códigos de apertura, el ruido Gaussiano aplicado a las mediciones y el número de capturas. Los valores de PSNR obtenidos alcanzan los 33 dB.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Arce, G.R., Brady, D.J., Carin, L., Arguello, H. and Kittle, D.S., Compressive coded aperture spectral imaging: an introduction. IEEE Signal Processing, 31(1), pp. 105-115, 2014. DOI: 10.1109/MSP.2013.2278763

Gat, N., Imaging spectroscopy using tunable filters: A review, Proceedings of SPIE, pp. 50-64, 2000. DOI: 10.1117/12.381686

Candès, E.J. and Wakin, M.B., An introduction to compressive sampling. IEEE Signal Processing Magazine, 25(2), pp. 21-30, 2008. DOI: 10.1109/MSP.2007.914731

Ye, P., Arguello, H. and Arce, G.R., Spectral aperture code design for multi-shot compressive spectral imaging, In Digital Holography and Three-Dimensional Imaging (OSA), p. DWA6, 2010. DOI: 10.1364/DH.2010.DWA6

Shaw, G.A. and Burke, H.H.K., Spectral imaging for remote sensing. Lincoln Laboratory Journal,

[Online] 14(1), pp. 3-28, 2003. Available at: https://www.ll.mit.edu/publications/journal/journalarchives14- 1.html#1

Govender, M., Chetty, K. and Bulcock, H., A review of hyperspectral remote sensing and its application in vegetation and water resource studies. Water Sa, 33(2), 2007. DOI: 10.4314/wsa.v33i2.49049

Gowen, A.A., O'Donnell, C., Cullen, P.J., Downey, G. and Frias, J.M., Hyperspectral imaging–an emerging process analytical tool for food quality and safety control. Trends in Food Science and Technology, 18(12), pp. 590-598, 2007. DOI: 10.1016/j.tifs.2007.06.001

Cen, H. and He, Y., Theory and application of near infrared reflectance spectroscopy in determination of food quality. Trends in Food Science and Technology, 18(2), pp. 72-83, 2007. DOI: 10.1016/j.tifs.2006.09.003

Ding, H.B. and Xu, R.J., Differentiation of beef and kangaroo meat by visible/near-infrared reflectance spectroscopy. Journal of Food Science, 64(5), pp. 814-817, 1999. DOI: 10.1111/j.1365- 2621.1999.tb15918.x

Duarte, M.F., and Baraniuk, R.G., Kronecker compressive sensing. IEEE Transactions on Image Processing, 21(2), pp. 494-504, 2012. DOI: 10.1109/TIP.2011.2165289

Arguello, H. and Arce, G.R., Code aperture optimization for spectrally agile compressive imaging. Journal of the Optical Society of America, 28(11), pp. 2400-2413, 2011. DOI: 10.1364/JOSAA.28.002400

Rueda, H., Arguello, H. and Arce, G.R., DMD-based implementation of patterned optical filter arrays for compressive spectral imaging. Journal of the Optical Society of America, 32(1), pp. 80-89, 2015. DOI: 10.1364/JOSAA.32.000080

Kittle, D., Choi, K., Wagadarikar, A. and Brady, D.J., Multiframe image estimation for coded aperture snapshot spectral imagers. Applied Optics, 49(36), pp. 6824-6833, 2010. DOI: 10.1364/AO.49.006824

Wu, Y., Mirza, I.O., Arce, G.R. and Prather, D.W., Development of a digital-micromirror-device-based multishot snapshot spectral imaging system. Optics Letters, 36(14), pp. 2692-2694, 2011. DOI: 10.1364/OL.36.002692

Figueiredo, M., Nowak, R.D. and Wright, S.J., Gradient projection for sparse reconstruction: Application to compressed sensing and other inverse problems. IEEE Journal of Selected Topics in Signal Processing, 1(4), pp. 586-597, 2007. DOI: 10.1109/JSTSP.2007.910281

Rueda, H., Calderon, A.R. and Arguello, H., Spectral selectivity in compressive spectral imaging based on grayscale coded apertures, Image Signal Processing and Artificial Vision (STSIVA), pp. 1-5, 2013. DOI: 10.1109/STSIVA.2013.6644929

Green, R.O., Eastwood, M.L., Sarture, C.M., Chrien, T.G., Aronsson, M., Chippendale, B.J. and Williams, O., Imaging spectroscopy and the airborne visible/infrared imaging spectrometer (AVIRIS). Remote Sensing of Environment, 65(3), pp. 227-248, 1998. DOI: 10.1016/S0034-4257(98)00064-9

Licencia

Derechos de autor 2016 DYNA

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

El autor o autores de un artículo aceptado para publicación en cualquiera de las revistas editadas por la facultad de Minas cederán la totalidad de los derechos patrimoniales a la Universidad Nacional de Colombia de manera gratuita, dentro de los cuáles se incluyen: el derecho a editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir en artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista.