Analysis and classification of hyperspectral images

This work deals with hyperspectral imaging technology, which provides spectral information on the light spectrum in every point of the acquired scene. The objective of this thesis is the implementation and testing of software algorithms, able to effectively analyze and characterize hyperspectral images. These techniques are generally divided into two types: unsupervised and supervised techniques, whose usefulness and effectiveness depends on the known characteristics on the image to be acquired. The unsupervised techniques do not require some a priori information on the imaged scene, while the supervised ones need training pixels, used as reference in the following analysis. An application of fundamental importance for this technology is the classification in classes of the image. For this purpose, in this work algorithms based on spectral similarities are presented and it is demonstrated their effectiveness in distinguishing and characterizing the different structures in a scene. These concepts are then presented in the different applications that they can have in various fields, ranging from agricultural to medical. Measurements are reported on selected objects to test the ability of the developed algorithms in distinguishing and highlighting different structures. A last application that is presented in this work is within the astronomical field, where it is demonstrated the future possibility of combining the potentialities of hyperspectral imaging with those of astronomical cameras for hyperspectral analysis of cosmic objects.

Questo lavoro tratta la tecnologia della fotografia iperspettrale, che consente di avere a disposizione informazioni sullo spettro delle luce in ogni punto della scena acquisita. L’obiettivo di questo elaborato è l’implementazione e il test di algoritmi software in grado di analizzare e caratterizzare efficacemente immagini iperspettrali. Queste tecniche sono generalmente divise in due tipologie: tecniche supervisionate e non supervisionate, la cui utilità ed efficacia dipende dalle caratteristiche note dell’immagine da acquisire. Quelle non supervisionate non richiedono la conoscenza a priori di caratteristiche della scena, mentre quelle supervisionate necessitano dei pixel di riferimento per l’analisi successiva. Un’applicazione di fondamentale importanza per questa tecnologia è la classificazione in classi dell’immagine. Per tale scopo in questo lavoro si presentano algoritmi basati sulle somiglianze spettrali e si dimostra la loro efficacia nel distinguere e caratterizzare le diverse strutture presenti in una scena. Questi concetti sono poi presentati nelle diverse applicazioni che possono avere in svariati ambiti, che vanno dall’agroalimentare a quello medico. Sono riportate misure su oggetti selezionati per testare l’abilità degli algoritmi sviluppati nel distinguere ed evidenziare le strutture differenti. Un’ultima applicazione che viene presentata in questo lavoro è in campo astronomico, dove si dimostra la possibilità futura di combinare le potenzialità della tecnologia iperspettrale con quelle delle camere astronomiche per un’analisi iperspettrale di oggetti cosmici.