A comprehensive approach for the efficient acquisition and processing of hyperspectral images and sequence

Abstract

[Abstract] Despite the scientific and technological developments achieved during the last two decades in the hyperspectral field, some methodological, operational and conceptual issues have restricted the progress, promotion and popular dissemination of this technology. These shortcomings include the specialized knowledge required for the acquisition of hyperspectral images, the shortage of publicly accessible hyperspectral image repositories with reliable ground truth images or the lack of methodologies that allow for the adaptation of algorithms to particular user or application processing needs. The work presented here has the objective of contributing to the hyperspectral field with procedures for the automatic acquisition of hyperspectral scenes, including the hardware adaptation of our own imagers and the development of methods for the calibration and correction of the hyperspectral datacubes, the creation of a publicly available hyperspectral repository of well categorized and labeled images and the design and implementation of novel computational intelligence based processing techniques that solve typical issues related to the segmentation and denoising of hyperspectral images as well as sequences of them taking into account their temporal evolution.

[Resumen] A pesar de los desarrollos tecnológicos y científicos logrados en el campo hiperespectral durante las dos últimas décadas, alg\mas limitaciones de tipo metodológico, operacional y conceptual han restringido el progreso, difusión y popularización de esta tecnología, entre ellas, el conocimiento especializado requerido en la adquisición de imágenes hiperespectrales, la carencia de repositorios de imágenes hiperespectrales con etiquetados fiables y de acceso público o la falta de metodologías que posibiliten la adaptación de algoritmos a usuarios o necesidades de procesamiento concretas. Este trabajo doctoral tiene el objetivo de contribuir al campo hiperespectral con procedimientos para la adquisición automática de escenas hiperespectrales, incluyendo la adaptación hardware de cámaras hiperespectrales propias y el desarrollo de métodos para la calibración y corrección de cubos de datos hiperespectrales; la creación de un repositorio hiperespectral de acceso público con imágenes categorizadas y con verdades de terreno fiables; y el diseño e implementación de técnicas de procesamiento basadas en inteligencia computacional para la resolución de problemas típicamente relacionados con las tareas de segmentación y eliminación de ruido en imágenes estáticas y secuencias de imágenes hiperespectrales teniendo en consideración su evolución temporal.

[Resumo] A pesar dos desenvolvementos tecnolóxicos e científicos logrados no campo hiperespectral durante as dúas últimas décadas, algunhas lirrútacións de tipo metodolóxico¡ operacional e conceptual restrinxiron o progreso) difusión e popularización desta tecnoloxía, entre elas, o coñecemento especializado requirido na adquisición de imaxes hiperespectrales¡ a carencia de repositorios de irnaxes hiperespectrales con etiquetaxes fiables e de acceso público ou a falta de metodoloxías que posibiliten a adaptación de algoritmos a usuarios ou necesidades de procesamento concretas. Este traballo doutoral ten o obxectívo de contribuir ao campo hiperespectral con procedementos para a adquisición automática de eicenas hiperespectrais, incluíndo a adaptación hardware de cámaras hiperespectrales propias e o desenvolvemento de métodos para a calibración e corrección de cubos de datos hiperespectrais; a creación dun repositorio hiperespectral de acceso público con imaxes categorizadas e con verdades de terreo fiables; e o deseño e implementación de técnicas de procesamento baseadas en intelixencia computacional para a resolución de problemas tipicamente relacionado~ coas tarefas de segmentación e eliminación de ruído en imaxes estáticas e secuencias de imaxes hiperespectrai~ tendo en consideración a súa evolución temporal.