Procesado de imágenes hiperespectrales

El análisis de una representación visual ha generado la aparición de nuevos conceptos de imagen. El interés que genera la capacidad de realizar estudios y poder adquirir nuevos conocimientos sobre los distintos elementos mostrados en las escenas captadas ha hecho que el concepto tradicional de imagen haya evolucionado a lo largo del tiempo. Las imágenes hiperespectrales son capaces de recopilar información a lo largo de todo el espectro electromagnético y de almacenar datos de la imagen invisibles al ojo humano. La tecnología hiperespectral, tiene su origen en el campo de la teledetección y da lugar a lo que se conoce como espectrometría de imagen. Dicha técnica consiste en la identificación de sustancias mediante el espectro emitido o absorbido por las mismas. Los sensores hiperespectrales, también llamados espectrómetros han sido ampliamente utilizados para la adquisición de imágenes en una amplia gama de aplicaciones en el campo de la salud, el arte, la agricultura o la alimentación. Las imágenes hiperespectrales se representan mediante cubos hiperespectrales o hipercubos de grandes dimensiones. Uno de los principales retos a los que se enfrenta la tecnología de visión hiperespectral es el análisis en tiempo real, concretamente la gestión y el almacenamiento de los hipercubos con el objetivo de extraer la información relevante contenida en ellos. Son muchas las técnicas que aplican algoritmos con el fin de reducir los inconvenientes producidos por la alta dimensionalidad de las imágenes. Actualmente se han desarrollado distintos software de análisis de imágenes hiperespectrales. Cada uno de ellos presenta características determinadas según su propia finalidad. Todos ellos tienen un objetivo común que consiste en facilitar al observador su análisis y estudio proporcionando herramientas que permitan distinguir y separar los diferentes materiales que componen la escena. ABSTRACT. The analysis of visual representations has promoted the development of new imaging concepts. The interest generated by the ability to examine and acquire new information about the different objects shown in the captured scenes makes the traditional concept of image has evolved over time. The hyperspectral imaging allows the gathering of information along the entire electromagnetic spectrum and the storage of image data invisible to the naked human eye. The hyperspectral technology has its origins in the remote sensing field, resulting in what is known as imaging spectrometry. This technique is set on identifying substances by their emitted or absorbed spectrum. The hyperspectral sensors, also called spectrometers, have been widely used for the image acquisition in a wide range of applications, including the healthcare, the art, the agriculture or the food sector. Hyperspectral images are represented by hyperspectral cubes or large hypercubes. One of the main challenges of the hyperspectral vision technology is the real-time analysis, in particular, the handling and the storage of the hypercubes to extract the relevant information contained therein. There are many techniques that apply algorithms in order to reduce the drawbacks caused by the high dimensionality of the images. Currently, different software hyperspectral image analysis have been developed. Each of them has certain characteristics according to their own purpose. All of them have the common goal of giving the observer the analysis and study providing tools to distinguish and separate the different materials that make up the scene