Maximiser l'information de l'image avec des bandes d'ondes étendues

L'imagerie hyperspectrale (HSI) et l'imagerie multispectrale (MSI) sont deux technologies apparentées qui font appel à des systèmes de vision spécialisés pour acquérir des informations supplémentaires sur les images provenant de régions étendues du spectre électromagnétique autres que le spectre visible (Figure 1).

Figure 1 : Le spectre des longueurs d'onde visibles n'est qu'une petite fraction de l'ensemble du spectre électromagnétique, et l’HSI et la MSI utilisent des longueurs d'onde supplémentaires pour recueillir davantage d'informations.

Ces technologies, bien que similaires, varient légèrement et sont utiles pour leurs propres domaines d'application. Bien que ces technologies fournissent des informations d'image de qualité supérieure, les systèmes utilisés sont beaucoup plus complexes en termes d'éclairage, de filtres et de conception optique.

Techniques d'imagerie

Les systèmes de vision industrielle classiques n'utilisent que la lumière du spectre visible (de 400 à 700 nm) et la plupart des capteurs de vision industrielle ont une sensibilité spectrale maximale à environ 550 nm. La sensibilité du capteur est donnée par la courbe d'efficacité quantique et décrit, pour un capteur particulier, l'efficacité de la conversion des photons d'une longueur d'onde particulière en un signal électrique. Cependant, les efficacités quantiques des capteurs en silicium standard diminuent dans les gammes de longueurs d'onde UV et IR (Figure 2).

Figure 2 : La courbe d'efficacité quantique d'une caméra RVB montrant le chevauchement entre les sensibilités rouge, verte et bleue.

Les techniques d'imagerie HS et MS font appel à des objectifs d'imagerie et à des capteurs de vision industrielle spécialisés pour recueillir des informations détaillées sur l'objet et l'environnement dans une portion du spectre électromagnétique beaucoup plus large que les systèmes de vision standard pour la lumière visible. Ces capteurs spécialisés sont beaucoup plus coûteux à fabriquer car ils sont fabriqués à partir de matériaux de substrat différents du silicium. Des matériaux tels que l'arséniure d'indium (InAs), l'arséniure de gallium (GaAs) et l'arséniure d'indium et de gallium (InGaAs) sont utilisés pour réaliser des images pour des longueurs d'onde allant jusqu'à 2600 nm, tandis que l'imagerie pour les longueurs d'onde dans le proche infrarouge et jusqu'au proche infrarouge utilise des réseaux plan focaux en tellurure de mercure-cadmium (MCT ou HgCdTe), en antimoniure d'indium (InSb) et en arséniure d'indium et de gallium (InGaAs), des microbolomètres et quelques autres. Ces capteurs spécialisés nécessitent des pixels de plus grande taille et des calibrages précis pour atteindre les sensibilités et les résolutions requises.¹

Bien qu'ils soient fabriqués à partir de matériaux spéciaux, ces capteurs fonctionnent presque de la même manière que les capteurs de vision industrielle classiques, à quelques exceptions près. Les capteurs de caméras de vision industrielle construisent des images bidimensionnelles à partir de matrices de niveaux de gris de sortie qui sont généralement utilisées pour la reconnaissance de caractéristiques afin de trier, mesurer ou localiser des objets. Les capteurs conventionnels sont incapables de différencier les longueurs d'onde de la lumière sans l'utilisation de filtres optiques ou de filtres à motif Bayer (RVB) limitant les longueurs d'onde de la lumière incidente sur le pixel.² C'est le logiciel de vision qui construit l'image à partir des informations de longueur d'onde sur et autour des pixels voisins. Dans les images HS, les pixels capturent toutes les mêmes informations concernant l'emplacement des coordonnées (dans la grille de pixels) et l'intensité du signal. Cependant, ce qui était auparavant une matrice de niveaux de gris en 2D pour les images conventionnelles devient une matrice en 3D, ou cube, la longueur d'onde étant la dimension ajoutée (Figure 2).

Figure 3 : La différence entre l'imagerie MS et HS réside dans le fait que les informations relatives aux longueurs d'onde sont représentées de manière séparée (MS) ou continue (HS).

La Figure 3 ci-dessus montre que les informations relatives à la longueur d'onde sont collectées pour chaque pixel de la matrice de capteurs. Les différences entre l'imagerie MS et HS réside dans la manière dont les informations relatives aux longueurs d'onde sont représentées. L’imagerie MS regroupe les informations relatives aux longueurs d'onde en bandes séparées et l’imagerie HS est représentée par un continuum de longueurs d'onde. Les technologies sont donc presque identiques, l'imagerie HS ayant une résolution en longueur d'onde plus élevée que l'imagerie MS. Pour cette raison, les deux technologies présentent des avantages l'une par rapport à l'autre dans des contextes différents. L’imagerie HS est la mieux adaptée aux applications sensibles aux différences subtiles de signal sur un spectre continu. Ces différences subtiles pourraient être manquées par un système MSI échantillonnant des bandes d'ondes plus larges. Le fait de rejeter et de capturer sélectivement certaines bandes d'ondes et pas d'autres est avantageux pour l’imagerie HS, car le traitement de moins de longueurs d'ondes permet de réduire le temps de traitement global.

Il existe quatre principaux modes d'acquisition pour obtenir des informations sur les longueurs d'onde, chacun présentant un ensemble d'avantages et d'inconvénients. La méthode du balayage « whisk-broom » est un processus de balayage ponctuel qui permet d'acquérir des informations spectrales pour une coordonnée spatiale à la fois. Elle offre le plus haut niveau de résolution spectrale mais nécessite de balayer la zone cible sur les deux axes x et y. Cela augmente considérablement le temps d'acquisition total.¹ La méthode du push-broom est une méthode de balayage linéaire qui capture et balaie une seule rangée de pixels à la fois jusqu'à ce que toute la surface soit obtenue. Les systèmes utilisant cette méthode peuvent être compacts, de faible poids et avoir un fonctionnement plus simple. Cependant, pour cette méthode, un temps d'exposition précis est essentiel. Des temps d'exposition incorrects créeront des images avec une saturation incorrecte pour certaines bandes spectrales. La méthode de balayage plan balaie la totalité de la zone 2D et utilise plusieurs captures d'images pour créer une profondeur spectrale. Cette méthode de capture ne nécessite pas de translation du capteur ou du système, mais il est essentiel que l'objet ne bouge pas pendant l'acquisition. La quatrième méthode d'acquisition, la plus récente, est la méthode en tir unique – également appelé snapshot. Cette méthode permet de prendre un seul cliché et de collecter l'ensemble du cube de données HS au cours d'une seule période d'intégration.¹ Cette méthode est prometteuse pour l'avenir de l'imagerie HS, mais elle est limitée par une résolution spatiale plus faible et doit donc être développée.¹

Figure 4 : Les quatre modes d'acquisition sont les suivants : (A) balayage de points, ou mode « whisk-broom », (B) balayage de lignes, ou mode « pushbroom », (C) balayage plan, ou mode « area scanning », et (D) mode à tir unique ou « snapshot ».

Applications

Un nombre croissant de domaines d'application différents utilisent l’HSI et la MSI, notamment la télédétection et l'imagerie aérienne de la surface de la Terre avec des véhicules aériens sans pilote et des satellites. La photographie HSI et MSI peut pénétrer à travers l'atmosphère terrestre et la couverture nuageuse pour obtenir une vue dégagée du sol. Cette imagerie est idéale pour suivre les changements de populations, observer l'activité géologique et étudier les sites archéologiques. En outre, les technologies HSI et MSI ont été utilisées pour surveiller et étudier les modèles environnementaux concernant la déforestation, la dégradation des écosystèmes, le recyclage du carbone et les systèmes météorologiques erratiques. Les chercheurs sont en mesure d'utiliser les données d'imagerie pour créer des modèles prédictifs sur l'écologie mondiale, qui sont utiles pour lutter contre le changement climatique et l'impact de l'homme sur la nature.³

Grâce aux informations d'imagerie HS et MS, les médecins sont en mesure de scanner la peau pour détecter de manière non invasive les anomalies cellulaires, y compris le cancer. Cela est possible parce que certaines longueurs d'onde sont capables de pénétrer plus profondément dans la peau que d'autres. Grâce à cette technologie d'imagerie, les médecins n'ont plus besoin de faire des déductions sur l'état d'un patient à partir de la seule description de ses symptômes. En outre, ces systèmes d'imagerie peuvent enregistrer et interpréter automatiquement les données spectrales, ce qui permet d'accélérer les diagnostics et de réduire le délai entre le diagnostic et le traitement pour de meilleurs résultats.⁴

Parmi les autres secteurs bénéficiant de l'imagerie HS et MS, citons l'agriculture, la qualité et la sécurité des aliments et les produits pharmaceutiques.⁵ Les agriculteurs peuvent utiliser des systèmes d'imagerie spectrale fixés à des drones et à des tracteurs pour balayer de vastes étendues de champs, analyser la croissance des cultures, la santé des plantes, l'état des sols, l'application de produits chimiques comme les pesticides et la présence de contagions dangereuses ou d'infections actives. Grâce à ces données, les agriculteurs peuvent optimiser l'utilisation de l'espace et maximiser la production. Ces techniques sont tout aussi utiles pour déterminer l'état de santé des forêts naturelles, comme le montrent la Figure 5 et la Vidéo1.

Figure 5 : Ces images sont celles d'un ruisseau traversant une forêt d'arbres. L'image la plus à gauche est une image couleur standard. L'image centrale est créée uniquement à partir de longueurs d'onde IR situées en dehors du spectre visible. La troisième image est une image en fausses couleurs créée à partir des informations de longueur d'onde des deux premières images et peut être utilisée pour identifier la santé des arbres et la présence d'objets artificiels. Image reproduite avec l'aimable autorisation de Benjamin Margulies.

Vidéo 1 : Apprenez-en davantage sur la façon dont les images de différents spectres, comme celles de la figure 5, peuvent être combinées pour en savoir plus sur la santé des populations végétales.

Les développements futurs de l’HSI et de la MSI visent à rendre ces systèmes d'imagerie beaucoup plus compacts, abordables et conviviaux. Rendre cette technologie plus accessible et plus facile à utiliser dans tous les secteurs permettra sans aucun doute de l'utiliser dans de nombreuses autres applications.

Références

1. Hyperspectral Imaging: A Review on UAV-Based Sensors, Data Processing and Applications for Agriculture and Forestry.
2. Schelkanova, I., et al. “Early Optical Diagnosis of Pressure Ulcers.” Biophotonics for Medical Applications, 2015, pp. 347–375., doi:10.1016/b978-0-85709-662-3.00013-0.
3. Unninayar, S., and L. Olsen. “Monitoring, Observations, and Remote Sensing – Global Dimensions.” Encyclopedia of Ecology, 2008, pp. 2425–2446., doi:10.1016/b978-008045405-4.00749-7.
4. Schneider, Armin, and Hubertus Feußner. Biomedical Engineering in Gastrointestinal Surgery. Academic Press, 2017.
5. Imaging in Dermatology, 2016; Chapter 16 – Hyperspectral and Multispectral Imaging in Dermatology.