Hyperspectral Imaging

La imagen hiperespectral (HSI) registra un espectro completo de la luz reflejada o emitida por cada píxel de una imagen, muestreado en decenas o cientos de bandas estrechas y contiguas de longitud de onda. Estas bandas estrechas resuelven las características de absorción que dejan los minerales, los pigmentos vegetales, los plásticos y los tejidos a longitudes de onda características. Así, el espectro de un píxel, su firma espectral, identifica de qué está hecha una superficie, incluso cuando dos materiales parecen idénticos para una cámara en color. El resultado es un cubo de datos tridimensional con dos ejes espaciales y uno espectral, que los modelos de visión artificial y aprendizaje automático leen píxel a píxel o como un volumen espacial-espectral conjunto. El Jet Propulsion Laboratory de la NASA opera su espectrómetro aéreo AVIRIS desde finales de la década de 1980 y registra 224 bandas contiguas entre 400 y 2.500 nanómetros.

Cómo construye el cubo de datos una cámara hiperespectral#

Un espectrómetro de imagen separa la luz entrante por longitud de onda mediante un prisma, una rejilla de difracción o un conjunto de filtros, y la registra en un detector bidimensional. Como el detector solo tiene dos dimensiones, el tercer eje del cubo se obtiene mediante un barrido:

• Barredor (escaneo lineal): Una rendija deja pasar una línea de la escena, el espectrómetro dispersa por longitud de onda la luz de esa línea sobre el detector y el cubo se forma línea a línea mientras se mueve el avión, el satélite o la cinta transportadora.
• Escaneo puntual: Un espejo giratorio barre un único punto por la escena, como en el instrumento AVIRIS clásico.
• Escaneo espectral: Un filtro sintonizable captura secuencialmente una imagen completa por banda, lo que resulta adecuado para microscopios y otras escenas estáticas.
• Instantánea: Una matriz de filtros en el sensor captura todo el cubo en una sola exposición a velocidad de vídeo, a costa de la resolución espacial.

Imagen hiperespectral frente a imagen multiespectral y RGB#

Una cámara RGB registra tres bandas amplias, mientras que la imagen multiespectral registra unas pocas bandas amplias elegidas de antemano, como las 13 bandas de los satélites Sentinel-2 de la ESA, suficientes para calcular índices de vegetación como NDVI. Los sensores hiperespectrales muestrean el espectro de forma contigua: el espectrómetro de imagen EMIT de la NASA, a bordo de la Estación Espacial Internacional, registra 285 bandas entre 381 y 2.493 nanómetros, separadas por unos 7,5 nanómetros. Ese nivel de detalle aumenta el volumen de datos, reduce la relación señal-ruido por banda y genera una fuerte correlación entre bandas vecinas. Por eso, las canalizaciones suelen comprimir el cubo mediante el análisis de componentes principales o la selección de bandas antes del entrenamiento, una forma de reducción de dimensionalidad. El análisis de imágenes satelitales utiliza ambos tipos de imágenes, y la fusión de sensores suele combinar un cubo hiperespectral con datos de elevación LiDAR o imágenes RGB de alta resolución.

Análisis de datos hiperespectrales con IA#

Primero se convierten las lecturas brutas del sensor en reflectancia mediante calibración radiométrica y, en el caso de los datos aéreos y satelitales, corrección atmosférica, como parte del preprocesamiento de datos. Los métodos clásicos comparan después cada píxel con espectros de referencia: el mapeador del ángulo espectral calcula el ángulo entre dos espectros independientemente del brillo, y la desmezcla lineal estima qué fracción de un píxel mixto corresponde a cada material puro o elemento final. Los modelos de aprendizaje profundo clasifican espectros unidimensionales, ejecutan redes neuronales convolucionales bidimensionales sobre componentes principales o aplican convoluciones 3D y transformers a parches espaciales-espectrales. Sin etiquetas, la detección de anomalías señala píxeles cuyos espectros difieren del fondo de la escena, como una columna de gas o un objeto camuflado.

La clasificación de píxeles, la modalidad hiperespectral de la segmentación semántica, se evalúa con pequeñas escenas aéreas como Indian Pines, capturada por AVIRIS sobre el noroeste de Indiana con 145×145 píxeles y 224 bandas —200 tras retirar las bandas de absorción del agua—, y 16 clases de cultivos y cobertura del suelo; y Pavia University, capturada por el sensor ROSIS con 610×340 píxeles, 103 bandas y 9 clases. Dividir al azar los píxeles de una sola escena coloca en los conjuntos de entrenamiento y prueba píxeles vecinos casi idénticos, lo que constituye una forma de fuga de datos que infla la precisión. Para obtener evaluaciones fiables, reserva regiones espacialmente separadas.

Ultralytics YOLO lee el número de canales de entrada de la clave channels de un archivo YAML del conjunto de datos y carga imágenes TIFF multicanal, por lo que un modelo de detección de objetos YOLO26 puede entrenarse con una pila de bandas seleccionadas o componentes principales, como demuestra el conjunto de datos COCO8-Multispectral de 10 canales.

Aplicaciones en el mundo real#

• Agricultura de precisión: El estrés hídrico, la falta de nutrientes y las enfermedades alteran las características de absorción de la clorofila y el agua en los espectros de las hojas; por eso, las cámaras de drones y aviones cartografían la salud de los cultivos parcela a parcela.
• Reciclaje y clasificación de alimentos: Las cámaras de escaneo lineal en el infrarrojo cercano, instaladas sobre cintas transportadoras, distinguen polímeros como el PET, el polietileno y el polipropileno por sus espectros de absorción. Las líneas de procesado de alimentos aplican el mismo principio para detectar materiales extraños y magulladuras.
• Análisis de imágenes médicas: La hemoglobina oxigenada y la desoxigenada absorben la luz de forma diferente; por eso, las cámaras hiperespectrales cartografían la saturación de oxígeno y la perfusión de los tejidos para evaluar heridas y durante intervenciones quirúrgicas, sin agentes de contraste.
• Observación de la Tierra: EMIT se diseñó para cartografiar los minerales presentes en las fuentes de polvo de los desiertos, y las mismas mediciones del infrarrojo de onda corta resuelven las características de absorción del metano, lo que ha permitido al instrumento localizar columnas de metano en vertederos e instalaciones de petróleo y gas de todo el mundo.