하이퍼스펙트럴(HyperSpectral)

1. 초분광 이미지의 분류

 

초분광 이미지는 데이터 습득형태, 파장 대역, 스펙트럼 밴드(해상도) 수에 따라 다양하게 분류할 수 있다. 

 

가) 데이터 습득형태

데이터 습득형태는 스펙트럼 스캐닝 방식은 파장을 변화시키면서 측정 영역의 전체 이미지를 스캐닝하는 영역스캐닝(Area-scanning 또는 staring)과 센서를 다수의 스펙트럼 영역으로 구분하여 동시에 측정하는 스냅샷(Snapshot) 방식이 있다. 공간스캐닝 방식의 경우 데이터가 연속된 스펙트럼 밴드형태로 저장되기 때문에 일정 영역을 모두 측정한 후에 공간적으로 병합하여 초분광 큐브를 생성하는 반면에, 스펙트럼 스캐닝의 경우에는 공간 정보와 초분광 정보를 같이 획득하기 때문에 빠르게 초분광 큐브를 생성할 수 있다.

 

나) 스펙트럼의 파장 대역

스펙트럼 대역은 초분광 카메라의 응용분야를 결정하는 주요한 분류기준이다. 스펙트럼의 범위에 따라 UV (200~400nm), VIS(400~600nm), NIR(700~ 1,100nm), SWIR(1.1~2.5μm), MWIR(2.5~7μm)로 구분된다. 주로 바이오 분야에서는 UV ~ SWIR대역을, 대기환경(원격감시) 응용분야의 경우 VIS ~ SWIR, 국방분야에서는 SWIR ~ MWIR 대역을 사용한다.

 

다) 스펙트럼 밴드

스펙트럼 밴드가 10개 이하이면 다분광 이미징(Multi-spectral imaging), 10개 이상이면 초분광(Hyper-spectral) 이미징, 1,000개 이상이면 극초분광(Ultra hyperspectral) 이미징으로 구분한다. 한편, 스펙트럴 해상도를 통해 초분광 이미징을 구분하기도 하는데, 초분광 이미징은 Hyper-spectral ∆λ/λ~0.01 정도의 해상도를 갖으며 이보다 이하의 경우 다분광 이미징(Multi-spectral imaging, ∆λ/λ~0.1), 이보다 큰 경우 극초분광 이미징(Ultra-spectral imaging, ∆λ/λ>0.001)으로 구분한다. 다분광 이미징의 경우 스펙트럼에 따른 거시적 대상체 분류정도가 가능하며, 초분광 이미징의 경우 고체나 액체의 화학적 조성비에 따른 대상체의 분류, 극초분광 이미징의 경우 기체의 화학적 조성비에 대한 분석이 가능하다.

 

 

2. 스펙트럼의 정의

다중 스펙트럼 이미지는 전자기 스펙트럼의 여러 특정 밴드내의 반사 에너지를 측정하는 센서에 의해 생성되는 결과물을 말합니다. 멀티 스펙트럴(Multispectral) 센서는 일반적으로 각 픽셀에 3-10개 내외의 밴드 측정값을 갖습니다. 이런 센서의 대역 예는 가시적인 녹색, 적색, 근적외선 등이 포함됩니다. 반면 하이퍼 스펙트럴 (Hyperspectral) 센서는 멀티 스펙트럴(Multispectral) 센서 보다 좁고 더 많은 대역에서 에너지를 측정합니다. 그래서 하이퍼 스펙트럼 이미지는 일반적으로 수백개에서 수천개의 연속 스펙트럼 밴드를 갖습니다.

 

 

 

 

3. 초분광 영상처리 요소기술

 

초분광 영상은 수백개의 분광 영상획득에 따른 대용량 자료이며 정보획득 과정이 기존 영상센서와 다르므로 특 성화된 영상처리기술의 적용이 필요하다. 특히 정확한 분 광특성 추출을 위해서는 대기보정, 대역별 검출기의 선형 성 보정과 같은 전처리 과정이 매우 중요하며, 특정 물체 를 분류 식별하기 위한 기법 또한 다른 접근이 요구된다

 

가) 자료압축(data compression)

기술 자료량이 상대적으로 많으므로 자료압축기술은 반드시 필요하며 크게 그 양을 줄이기 위한 압축기법과 특징정보 추출을 위한 자료변환 과정을 포함하는 압축 기법으 로 나눌 수 있다. 양을 줄이기 위한 압축기법은 기존 영상처리기법과 유사한 방법을 사용하나, 분광 특성의 유실이 없도록 변형 개발되고 있다.

 

나) 보정(correction) 기술

초분광 센서에 있어 보정기술은 크게 대기효과에 대한 보정과, 대역별 검출기 및 분광광학계 등 센서 HW의 파장별 비선형성을 보정하기 위한 센서 보정기술 등이 필요하다. 물체 또는 배경의 분광 반사값(spectral reflectance)이 초분광 영상센서가 획득하는 주요 정보라 할 수 있으므로 물체의 분광 반사특성을 분석하기 위해서는 물체와 센서간 대기에 의한 영향을 최소화 하거나 대기영향력을 파악하여 순수한 표면 반사율로 변환하는 대기효과 보정이 필수적이다.

 

다) 분광 혼합 분석(spectral mixture analysis) 기술

공간 해상도에 따른 화소당 파장 분광 정보는 단일물질로 구성되어 있기 보다는 두가지 이상의 물질로 구성 되어 있다는 가정으로 물질 혼합의 형태로 구성된 화소를 분석하기 위한 분광 혼합 분석이라는 개념이 제시 되었다. 분광혼합분석 기법은 단위 화소에 포함된 여러 물질의 점유비율(fraction)을 해석하는 기법이다. 하나의 물질로 구성된 단일의 순수한 화소를 “endmember“ 라 칭하며, 각 화소는 여러 endmember의 구성비율의 합으로 나타낼 수 있다.

 

라) 분광특성 정합(spectral matching) 기술

대상물체의 기준 분광 반사값을 이용하여 초분광 영상에서 얻어지는 반사값과의 유사성을 분석하여 대상 물체의 종류 및 함유량을 정의하는 방법이다. 기준 분광 반사 곡선과 초분광 영상의 반사곡선간의 유사도를 찾는 방법에 따라 다양한 기법이 제안되고 있으며, 대표적 기법으 로는 SDS(Spectral Distance Similarity) 기법, SCS(Spectral Correlation Similarity) 기법, SAM(Spectral Angle Similarity) 기법 및 SSV(Spectral Similarity Value) 기법등이 있다.

 

마) 특징 선택 및 추출기술

초분광 영상은 인접한 밴드간 상관관계에 따라 정보의 중복율이 높고, 특정 분광정보 혹은 분광밴드를 적절히 선택하여 사용하는 과정이 필수적이다. 이와같이 수많은 분광 정보에서 특정 정보만을 추출하는 기법을 특징 추 출기법이라 하며, 밴드선택 혹은 특징 선택과 함께 이용 된다.

 

4. 초분광 기술의 미래

초분광 이미징 기술은 한 픽셀당 넓은 대역의 스펙트럼 정보를 획득하여 2D 이미지 상에서 특정 대상 및 물질의 식별 또는 발견을 용이하게 하는 것을 목표로 한다. 초분광 이미징 기술은 하드웨어 구성이 복잡하고 결과 데이터 양이 매우 커 초기 원격감시 분야에 국한되어 사용되었지만 최근에는 다양한 소형 이미지 센서 기술, 대용량 스토리지 기반의 클라우드 기술 및 머신러닝을 통한 대용량 데이터분석 기술 개발이 활발히 이루어 지면서 국방, 환경, 농업, 보안, 머신비전, 바이오/의료 분야로 널리 확산되고 있다.