医学图像与高光谱图像

为什么panchromatic 图像的分辨率高，下面是一位外国网友的精彩回答：

Panchromatic images are created when the imaging sensor is sensitive to a wide range of wavelengths of light, typically spanning a large part of the visible part of the spectrum. Here is the thing, all imaging sensors need a certain minimum amount of light energy before they can detect a difference in brightness. If the sensor is only sensitive (or is only directed) to light from a very specific part of the spectrum, say for example the blue wavelengths, then there is a limited amount of energy available to the sensor compared to a sensor that samples across a wider range of wavelengths. To compensate for this limited energy availability, multi-spectral sensors (the kind that create red, green, blue, near infrared images) will typically sample over a larger spatial extent to get the necessary amount of energy needed to 'fill' the imaging detector. Thus, multispectral band images will typically be of a coarser spatial resolution than a panchromatic image. There is a trade-off that is made between the spectral resolution (i.e. the range of wavelengths that are sampled by an imaging detector) and the spatial resolution. This is why commercial satellites like Ikonos and Geoeye will commonly provide three or more relatively coarse resolution multispecral bands along with a finer spatial resolution panchromatic band. Importantly, there exists a kind of compromise here in which you can combine the fine spatial resolution of a pan image with the high spectral resolution of multi-spectral bands. This is what is known as panchromatic sharpening and it is commonly used to compensate for the spectral/spatial compromise in satellite imaging.

Incidentally, this is also the reason why bands of multi-spectral imagery taken in longer wavelengths, e.g. short-wave infrared, tend to be sampled over much wider ranges of wavelengths compared to the visible bands. The amount of reflected and emitted electromagnetic energy bouncing around out there is uneven and the sun emits a peak around the visible part. Once you get into the short-wave infrared, there is far less energy around to sample compared to shorter-wavelength visible light, so the detectors have to be sensitive to a wider range. If you take a look at Landsat 8, as an example, the SWIR2 band 7 actually samples a wider range of wavelengths than its panchromatic band.

总结起来就是，从遥远的卫星视角来看，如果波长的范围越窄（spectral）,传感器成像所有的光的能量越多，比如地面上30m*30m的范围才能成一个像素，相反，如果波长范围越宽，单位面积内地面物体反射的能量越大，地面上可能只要4m*4m就可以对应传感器上一个像素。这就解释了卫星图像不能得到高分辨率的彩色图像（卫星成像中，最高分辨率的永远是panchromatic图像）。

随着光谱分辨率的不断提高，光学遥感的发展过程可分为：全色（Panchromatic）→彩色（Color Photography）→多光谱（Multispectral）→高光谱（hyspectral）。

注：

全色波段（Panchromatic band），因为是单波段，在图上显示是灰度图片。全色遥感影像一般空间分辨率高，但无法显示地物色彩。 实际操作中，我们经常将之与波段影象融合处理，得到既有全色影象的高分辨率，又有多波段影象的彩色信息的影象。全色波段，一般指使用0.5微米到0.75微米左右的单波段，即从绿色往后的可见光波段。全色遥感影象也就是对地物辐射中全色波段的影象摄取，因为是单波段，在图上显示是灰度图片。全色遥感影象一般空间分辨率高，但无法显示地物色彩。

多光谱遥感多光谱遥感：将地物辐射电磁破分割成若干个较窄的光谱段，以摄影或扫描的方式，在同一时间获得同一目标不同波段信息的遥感技术。原理：不同地物有不同的光谱特性，同一地物则具有相同的光谱特性。不同地物在不同波段的辐射能量有差别，取得的不同波段图像上有差别。优点：多光谱遥感不仅可以根据影像的形态和结构的差异判别地物，还可以根据光谱特性的差异判别地物，扩大了遥感的信息量。航空摄影用的多光谱摄影与陆地卫星所用的多光谱扫描均能得到不同普段的遥感资料，分普段的图像或数据可以通过摄影彩色合成或计算机图像处理，获得比常规方法更为丰富的图像，也为地物影像计算机识别与分类提供了可能。

高光谱高光谱遥感起源于20世纪70年代初的多光谱遥感，它将成像技术与光谱技术结合在一起，在对目标的空间特征成像的同时，对每个空间像元经过色散形成几十乃至几百个窄波段以进行连续的光谱覆盖，这样形成的遥感数据可以用“图像立方体”来形象的描述。同传统遥感技术相比，其所获取的图像包含丰富的空间、辐射和光谱三重信息。高光谱遥感技术已经成为当前遥感领域的前沿技术。高光谱遥感具有不同于传统遥感的新特点：1）波段多：可以为每个像元提供十几、数百甚至上千个波段；2）光谱范围窄：波段范围一般小于10nm；3）波段连续：有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱；4）数据量大：随着波段数的增加，数据量成指数增加；5）信息冗余增加：由于相邻波段高度相关，冗余信息也相对增加。优点：1）有利于利用光谱特征分析来研究地物；2）有利于采用各种光谱匹配模型；3）有利于地物的精细分类与识别；

异同点国际遥感界的共识是光谱分辨率在λ/10数量级范围的称为多光谱(Multispectral)，这样的遥感器在可见光和近红外光谱区 只有几个波段，如美国 LandsatMSS，TM，法国的SPOT等；而光谱分辨率在λ/100的遥感信息称之为高光谱遥感(HyPerspectral)；随着遥感光谱分辨 率的进一步提高，在达到λ/1000时，遥感即进入超高光谱(ultraspectral)阶段(陈述彭等，1998)。高光谱和多光谱实质上的差别就是：高光谱的波段较多，普带较窄。（Hyperion有233~309个波段，MODIS有36个波段）多光谱相对波段较少。（如ETM+，8个波段，分为红波段，绿波段，蓝波段，可见光，热红外（2个），近红外和全色波段）高光谱遥感就是多比多光谱遥感的光谱分辨率更高，但光谱分辨率高的同时空间分辨率会降低。

红外传感器的工作范围主要在0.75微米到1000微米（近红外0.75-3，中红外3-6，远红外8-15，极远红外15-1000）图像分辨率低，细节不清晰。

可见光传感器：380-780纳米（0.38-0.78微米）分辨率高，细节丰富，光线较暗无法清晰成像。

自1895年伦琴发现X射线以来，医学图像主要包括两大类，解剖结构图像和功能代谢图像。常见的解剖结构图像包括：超声波成像（Ultrasonic Imaging,UI）,计算机断层成像（Couputed tomograph,CT）,X射线断层成像，（X-ray computed tomography）,磁共振成像（Magnetic resonance imaging,MRI）,数字减影血管造影成像（digital subtraction angiograpyh, DSA）.这类图像分辨率高，能清晰的显示组织器官的解剖结构信息。功能性代谢图像包括，正电子发射断层成像（positron emission tomography ,PET）,单光子发射断层成像（single-photon emission computed tomograpyh, SPECT）,功能核磁共振成像（funtional MRI, fMRI）,这类图像分辨率低，目标组织的边界模糊，但能提供病灶区域的代谢功能信息。

医学图像与高光谱图像相关推荐

多光谱和高光谱图像有什么区别？
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达当你阅读这篇文章时,你的眼睛会看到反射的能量.但计算机可以通过三个 ...
如何理解高光谱图像数据
高光谱图像就是好多个灰度图像叠加到一起,每一个灰度图代表了一个光谱波段. 一般的二维图像表示,举个例子来说这个图像像素为255*255,也就是说这幅图像有255*255个像素,可以是灰度图或者彩色图, ...
求高光谱图像相关系数矩阵
corrcoef(X):返回从矩阵X形成的一个相关系数矩阵,若X是一个mn的矩阵,那么得到的相关系数矩阵A就是一个nn的对称矩阵,A中的第i行第j列的元素表示的就是X第i列和第j列的相关系数. 求原始 ...
高光谱图像pca降维_高光谱图像的数据特性之探讨
图像是获取信息以及探知世界的重要媒介.近年来,传感科技与成像技术实现了跨越式发展,促使图像获取在质与量上均获得了显著提升.在多样化成像手段中,光谱成像技术是成像科技的重要组成部分,是人类借助光这一能量 ...
一种改进的高光谱图像CEM目标检测算法
一种改进的高光谱图像CEM目标检测算法人工智能技术与咨询来源:< 应用物理> ,作者付铜铜等关键词: 高光谱图像:光谱重排:CEM算法:目标检测: 摘要: 约束能量最小化(Const ...
MATLAB高光谱图像构建KNN图
在高光谱图像的特征提取过程中,采用非线性降维的方式对高光谱图像降维的过程中,采用图自编码器来对数据进行降维,需要将利用高光谱图像的结构信息和内容信息,则需要将高光谱图像数据构造为一个图结构,图结构的构 ...
高光谱图像结合机器学习方法无损检测猕猴桃
高光谱图像结合机器学习方法无损检测猕猴桃 1.发现问题为实现对过量使用1-MCP化学保鲜剂猕猴桃快速.无损检测,提出高光谱技术结合机器学习建立识别模型的检测方法. 还没有人对滥用化学保鲜剂而导致猕猴 ...
小木虫高光谱遥感图像处理_高光谱图像变化检测
来源:IEEE TGRS 2018 原文:https://ieeexplore.ieee.org/document/8418840 论文题目:GETNET: A General End-to-End ...
数字图像处理(4): 遥感影像中光谱分辨率、空间分辨率、时间分辨率、全色图像、多光谱图像、高光谱图像的区别
目录 1 光谱分辨率.空间分辨率.时间分辨率 2 全色图像.多光谱图像.高光谱图像 2.1 全色图像 2.2 多光谱图像 2.3 高光谱图像参考资料 1 光谱分辨率.空间分辨率.时间分辨率遥感(R ...

医学图像与高光谱图像

医学图像与高光谱图像相关推荐

最新文章

热门文章