Ημερολόγιο Εκδηλώσεων

Περιγραφή:
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Πρόγραμμα Προπτυχιακών Σπουδών ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ ΙΩΑΝΝΗ ΓΚΟΥΖΙΩΝΗ με θέμα Ανακατασκευή φασματικού κύβου από πολυπλεγμένα χωρικά και φασματικά δεδομένα Spectral cube reconstruction from multiplexed spatial and spectral data Εξεταστική Επιτροπή Καθηγητής Κωνσταντίνος Μπάλας (επιβλέπων) Επίκουρος Καθηγητής Βασίλειος Σαμολαδάς Δρ. Ναθαναήλ Κορτσαλιουδάκης Περίληψη Η υπερ-φασματική απεικόνιση είναι μία μη-καταστρεπτική τεχνολογία ανίχνευσης που ενσωματώνει τη συμβατική απεικόνιση και τη φασματοσκοπία με σκοπό την λήψη τόσο χωρικής όσο και φασματικής πληροφορίας ενός αντικειμένου-στόχου. Στις μέρες μας, η τεχνική αυτή αποτελεί ένα ισχυρό εργαλείο για επιστημονική και βιομηχανική χρήση σε πολλούς τομείς. Οι εφαρμογές της καλύπτουν ένα ευρύ φάσμα, από την τηλεπισκόπηση και την εγκληματολογία έως την εξερεύνηση του διαστήματος και τη βιο-ιατρική. Οι υπερ-φασματικές εικόνες αντιπροσωπεύουν παρατηρήσεις μίας σκηνής σε πολλά διαφορετικά μήκη κύματος, και ειδικότερα σε κάθε εικονοστοιχείο της απεικονιζόμενης σκηνής αντιστοιχεί μία φασματική υποφραφή. Η παρούσα διπλωματική εργασία περιλαμβάνει μία νέα μέθοδο λήψης και ανακατασκευής του φασματικού κύβου στην υπερ-φασματική απεικόνιση. Η μέθοδος χρησιμοποιεί μία ηλεκτρο-οπτική διάταξη που καταγράφει και αποθηκεύει το φασματικό κύβο σε μία χώρο-φασματική πολυπλεγμένη μορφή. Το επόμενο βήμα είναι να απο-πολυπλέξουμε την πληροφορία αυτή, έτσι ώστε ο φασματικός κύβος να περιέχει μία στοίβα εικόνων κάθεμια εκ των οποίων αντιστοιχεί σε διαφορετικό μήκος κύματος. Δύο μέθοδοι για την ανακατασκευή του φασματικού κύβου υλοποιήθηκαν και αναλύονται στην παρούσα διπλωματική εργασία. Η πρώτη μέθοδος βασίζεται στην τεχνική της παρεμβολής, ενώ η δεύτερη στη διαγώνια σύνδεση των φασματικών ζωνών (τομογραφική ανακατασκευή). Η τεχνική της παρεμβολής αναφέρεται στην εκτίμηση των τιμών επιπέδου του γκρι σε άγνωστες θέσεις στην εικόνα, ενώ η τομογραφική μέθοδος βασίζεται στην επαναδειγματοληψία των αποθηκευμένων δεδομένων με τη χρήση γεωμετρικών μετασχηματισμών. Με αυτόν τον τρόπο επιτυγχάνουμε άμεση απο-πολύπλεξη των δεδομένων και ο ανακατασκευασμένος φασματικός κύβος αποτελείται από εκατοντάδες φασματικές εικόνες. Τα παραπάνω χαρακτηριστικά καθιστούν την προσέγγισή μας κατάλληλη για απαιτητικές εφαρμογές φασματικής απεικόνισης, όπως οι εικόνες μικροσκοπίου και η μη-καταστρεπτική ανάλυση. Abstract Hyper-spectral imaging is a non-destructive detection technology that integrates conventional imaging and spectroscopy to get both spatial and spectral information of a target. This technique has in recent times become a powerful tool for scientific and industrial analysis in many different fields. Its applications range from aerial agricultural surveillance, through food safety and forensics to space exploration and biomedical applications. Hyper-spectral images represent observations of a scene at many different wavelengths and most importantly associate to each pixel in the imaged scene a full spectral vector or spectral signature. The work presented in this thesis deals with a new method in acquiring and reconstructing the spectral cube in hyper-spectral imaging. The method employs an electro-optical device that acquires and stores the spectral cube in a spatio-spectral multiplexed fusion. The next step is to disentangle the multiplexed information, so that the spectral cube to contain a stack of images each one captured at a different wavelength. Two methods for the reconstruction of the spectral cube were implemented and analyzed in the present diploma dissertation. The first one is based on image interpolation, while the second one is based on the diagonal connection of the spectral bands (tomographic reconstruction). Image interpolation refers to the estimation of intensity values at unknown locations, while tomographic reconstruction relies on the resampling of the stored data with the aid of geometrical transformations. In this way, we achieve a straightforward de-multiplexing of the dataset and the reconstructed spectral cube consists of hundreds of narrow band spectral images. The above features make our approach suitable in demanding spectral imaging applications, such as microscopic images and non-destructive analysis.