Investigadores de la Universidad Estatal de Carolina del Norte y la Universidad de Delaware han desarrollado un algoritmo que puede reconstruir de manera rápida y precisa las imágenes hiperespectrales utilizando menos datos. Las imágenes se crean utilizando instrumentos que capturan información hiperespectral de manera sucinta, y la combinación de algoritmo y hardware lo haceposible adquirir imágenes hiperespectrales en menos tiempo y almacenar esas imágenes usando menos memoria.
Las imágenes hiperespectrales son prometedoras para su uso en campos que van desde la seguridad y la defensa hasta el monitoreo ambiental y la agricultura.
Las técnicas de imagen convencionales, como la fotografía digital, capturan imágenes a través de solo tres longitudes de onda, o frecuencias, de luz, de azul a verde a rojo. Las imágenes hiperespectrales crean imágenes en docenas o cientos de longitudes de onda. Estas imágenes se pueden utilizar paradeterminar los materiales encontrados en cualquier escena que se haya fotografiado, como una espectroscopia realizada a distancia.
Pero la técnica enfrenta algunos desafíos.
Por ejemplo, en un sistema de imagen convencional, si una imagen tiene millones de píxeles en tres longitudes de onda, el archivo de imagen podría ser de un megabyte. Pero en la imagen hiperespectral, el archivo de imagen podría ser al menos un orden de magnitud mayor. Esto puedecrear problemas para almacenar y transmitir datos.
Además, capturar imágenes hiperespectrales en docenas de longitudes de onda puede llevar mucho tiempo, ya que la tecnología de imagen convencional toma una serie de imágenes, cada una captura un conjunto diferente de longitudes de onda y luego las combina.
"Puede tomar minutos", dice Dror Baron, profesor asistente de ingeniería eléctrica e informática en NC State y uno de los autores principales de un artículo que describe el nuevo algoritmo.
En los últimos años, los investigadores han desarrollado un nuevo hardware de imágenes hiperespectrales que puede adquirir las imágenes necesarias más rápidamente y almacenar las imágenes utilizando significativamente menos memoria. El hardware aprovecha las "mediciones de compresión", que mezclan datos espaciales y de longitud de onda en un formato quepuede usarse más tarde para reconstruir la imagen hiperespectral completa.
Pero para que el nuevo hardware funcione de manera efectiva, necesita un algoritmo que pueda reconstruir la imagen con precisión y rapidez. Y eso es lo que han desarrollado los investigadores de NC State y Delaware.
En las pruebas de modelos, el nuevo algoritmo superó significativamente a los algoritmos existentes en cada frecuencia.
"Pudimos reconstruir la calidad de imagen en 100 segundos de cálculo que otros algoritmos no pudieron igualar en 450 segundos", dice Baron. "Y estamos seguros de que podemos reducir aún más ese tiempo de cálculo".
La mayor calidad de la reconstrucción de la imagen significa que el hardware debe adquirir y procesar menos mediciones, lo que acelera el tiempo de obtención de imágenes. Y menos mediciones significan menos datos que deben almacenarse y transmitirse.
"Nuestro siguiente paso es ejecutar el algoritmo en un sistema del mundo real para obtener información sobre cómo funciona el algoritmo e identificar posibles posibilidades de mejora", dice Baron. "También estamos considerando cómo podríamos modificar tanto el algoritmo como elhardware para complementarse mejor ".
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Carolina del Norte . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :