Hyperspectral Imaging

L’imagerie hyperspectrale (HSI) enregistre le spectre complet de la lumière réfléchie ou émise pour chaque pixel d’une image, échantillonné dans des dizaines à des centaines de bandes étroites et contiguës de longueurs d’onde. Ces bandes étroites révèlent les signatures d’absorption que les minéraux, les pigments végétaux, les plastiques et les tissus présentent à des longueurs d’onde caractéristiques. Le spectre d’un pixel, sa signature spectrale, permet ainsi d’identifier la composition d’une surface même lorsque deux matériaux paraissent identiques à une caméra couleur. Il en résulte un cube de données tridimensionnel comprenant deux axes spatiaux et un axe spectral, que les modèles de vision par ordinateur et d’apprentissage automatique analysent soit spectre de pixel par spectre de pixel, soit comme un volume spatial et spectral conjoint. Le Jet Propulsion Laboratory de la NASA utilise son spectromètre aéroporté AVIRIS depuis la fin des années 1980 ; celui-ci enregistre 224 bandes contiguës de 400 à 2 500 nanomètres.

Comment une caméra hyperspectrale construit le cube de données#

Un spectromètre imageur sépare la lumière incidente selon sa longueur d’onde à l’aide d’un prisme, d’un réseau de diffraction ou d’un ensemble de filtres, puis l’enregistre sur un détecteur bidimensionnel. Comme le détecteur n’a que deux dimensions, le troisième axe du cube provient du balayage :

• Balayage linéaire (pushbroom) : une fente laisse passer une ligne de la scène ; le spectromètre répartit la lumière de cette ligne sur le détecteur selon la longueur d’onde, et le cube se construit ligne par ligne pendant le déplacement de l’avion, du satellite ou du convoyeur.
• Balayage ponctuel (whiskbroom) : un miroir rotatif balaie un point unique sur la scène, comme dans l’instrument AVIRIS classique.
• Balayage spectral : un filtre réglable capture successivement une image complète par bande, une méthode adaptée aux microscopes et aux autres scènes statiques.
• Capture instantanée : une mosaïque de filtres sur le capteur capture le cube entier en une seule exposition, à la fréquence vidéo, au prix d’une résolution spatiale réduite.

Imagerie hyperspectrale, multispectrale et RVB#

Une caméra RVB enregistre trois larges bandes, tandis que l’imagerie multispectrale enregistre quelques larges bandes choisies à l’avance, comme les 13 bandes des satellites Sentinel-2 de l’ESA, suffisantes pour calculer des indices de végétation comme le NDVI. Les capteurs hyperspectraux échantillonnent le spectre de façon contiguë : le spectromètre imageur EMIT de la NASA, installé sur la Station spatiale internationale, enregistre 285 bandes entre 381 et 2 493 nanomètres, espacées d’environ 7,5 nanomètres. Ce niveau de détail entraîne un volume de données important, un rapport signal-bruit plus faible par bande et une forte corrélation entre bandes voisines. Les pipelines compressent donc souvent le cube par analyse en composantes principales ou sélection de bandes avant l’entraînement, une forme de réduction de dimensionnalité. L’analyse d’images satellitaires utilise ces deux types d’images, et la fusion de capteurs associe souvent un cube hyperspectral à l’élévation LiDAR ou à des images RVB haute résolution.

Analyser les données hyperspectrales avec l’IA#

Les mesures brutes du capteur sont d’abord converties en réflectance par étalonnage radiométrique et, pour les données aéroportées et satellitaires, par correction atmosphérique, dans le cadre du prétraitement des données. Les méthodes classiques comparent ensuite chaque pixel à des spectres de référence : le cartographe d’angle spectral mesure l’angle entre deux spectres indépendamment de leur luminosité, et le démélange linéaire estime la fraction d’un pixel mixte attribuable à chaque matériau pur, ou membre terminal. Les modèles d’apprentissage profond classifient des spectres 1D, exécutent des réseaux neuronaux convolutifs 2D sur les composantes principales, ou appliquent des convolutions 3D et des transformers à des portions spatiales et spectrales. En l’absence d’étiquettes, la détection d’anomalies signale les pixels dont le spectre diffère de l’arrière-plan de la scène, comme un panache de gaz ou un objet camouflé.

La classification des pixels, la forme hyperspectrale de la segmentation sémantique, est évaluée sur de petites scènes aéroportées comme Indian Pines, capturée par AVIRIS au-dessus du nord-ouest de l’Indiana, avec 145×145 pixels et 224 bandes, dont 200 après suppression des bandes d’absorption de l’eau, ainsi que 16 classes de cultures et de couverture terrestre ; et Pavia University, capturée par le capteur ROSIS, avec 610×340 pixels, 103 bandes et 9 classes. Une séparation aléatoire des pixels d’une même scène place dans les ensembles d’entraînement et de test des pixels voisins presque identiques : il s’agit d’une fuite de données qui gonfle la précision. Pour obtenir des évaluations fiables, il faut donc réserver des zones spatialement distinctes.

Ultralytics YOLO lit le nombre de canaux d’entrée dans la clé channels d’un fichier YAML de jeu de données et charge les images TIFF multicanales. Un modèle de détection d’objets YOLO26 peut donc être entraîné sur un empilement de bandes sélectionnées ou de composantes principales, comme le montre le jeu de données COCO8-Multispectral à 10 canaux.

Applications concrètes#

• Agriculture de précision : le stress hydrique, les carences en nutriments et les maladies modifient les caractéristiques d’absorption de la chlorophylle et de l’eau dans les spectres foliaires. Les caméras installées sur des drones et des avions cartographient ainsi la santé des cultures parcelle par parcelle.
• Recyclage et tri alimentaire : des caméras proche infrarouge à balayage linéaire installées au-dessus des convoyeurs distinguent les polymères comme le PET, le polyéthylène et le polypropylène grâce à leurs spectres d’absorption ; les chaînes alimentaires utilisent le même principe pour détecter les corps étrangers et les meurtrissures.
• Analyse d’images médicales : l’hémoglobine oxygénée et désoxygénée absorbent la lumière différemment. Les caméras hyperspectrales cartographient donc la saturation en oxygène et la perfusion des tissus pour évaluer les plaies et guider la chirurgie, sans agents de contraste.
• Observation de la Terre : EMIT a été conçu pour cartographier les minéraux présents dans les sources de poussière désertique. Les mêmes mesures dans le moyen infrarouge permettent de résoudre les signatures d’absorption du méthane, ce qui a permis à l’instrument de localiser des panaches de méthane provenant de décharges et d’installations pétrolières et gazières partout dans le monde.