బహుళ వర్ణపట చిత్రాలు
బహుళ వర్ణపట చిత్రణ అనేది విద్యుదయస్కాంత వర్ణపటంలోని నిర్దిష్ట తరంగదైర్ఘ్యాల్లోని కాంతిని ఉపయోగించి తీసే చిత్రాల సమాహారం. దీనిలో దృగ్గోచర కాంతిని మాత్రమే కాకుండా పరారుణ, అతినీలలోహిత తరంగాలను కూడా ఉపయోగిస్తారు. తరంగదైర్ఘ్యాలను ఫిల్టర్‌ల ద్వారా వేరు చేయవచ్చు, లేదా వేర్వేరు తరంగదైర్ఘ్యాలను సంగ్రహించడానికి వేర్వేరు పరికరాలను ఉపయోగించవచ్చు. మనిషి కన్నులో ఉండే ఎరుపు, ఆకుపచ్చ, నీలం రంగుల గ్రాహకాల (రిసెప్టర్ల) ద్వారా చూడగలిగే విశేషాల కంటే ఎన్నో రెట్లు అధికంగా బహుళ వర్ణపట చిత్రణ ద్వారా చూడవచ్చు. తొలుత సైనిక లక్ష్య గుర్తింపూ, నిఘా అవసరాల కోసం అభివృద్ధి చేసినా, తరువాత అంతరిక్ష పర్యవేక్షణ, భూ పర్యవేక్షణ సహా ఎన్నో ప్రయోజనాలకు ఈ సాంకేతికత ఉపయోగపడుతోంది. తొట్టతొలి అంతరిక్ష-ఆధారిత ఇమేజింగ్ ప్లాట్‌ఫారమ్‌లు (ఉపగ్రహాలు) తీరప్రాంత సరిహద్దులు, వృక్షసంపద, భూభాగాలకు సంబంధించిన వివరాలను మ్యాప్ చేయడానికి బహుళ వర్ణపట చిత్రణ సాంకేతికతను ఉపయోగించాయి. [1][2] దస్తావేజులు, చిత్రపటాల విశ్లేషణలోనూ బహుళ వర్ణపట చిత్రణను ఉపయోగిస్తున్నారు. [3] [4]
బహుళ వర్ణపట చిత్రణ కొన్ని పరిమిత స్పెక్ట్రల్ బ్యాండ్‌లలో (సాధారణంగా 3 నుండి 15) కాంతిని కొలుస్తుంది. హైపర్‌స్పెక్ట్రల్ చిత్రణ అనేది ఒక ప్రత్యేకమైన బహుళ వర్ణపట చిత్రణ. ఇందులో వందల కొద్దీ స్పెక్ట్రల్ బ్యాండ్లు అందుబాటులో ఉంటాయి. [5]
స్పెక్ట్రల్ బ్యాండ్లు
మార్చువివిధ ప్రయోజనాల కోసం విద్యుదయస్కాంత వర్ణపటంలోని స్పెక్ట్రల్ బ్యాండ్లను విభిన్న కలయికలలో ఉపయోగిస్తారు. వాటిని సాధారణంగా ఎరుపు, ఆకుపచ్చ, నీలం ఛానెళ్ళతో సూచిస్తారు. ఏ బ్యాండుని ఏ రంగుతో చూపించాలి అనేది చిత్ర ప్రయోజనాలూ, విశ్లేషకుల వ్యక్తిగత ప్రాధాన్యతలపై ఆధారపడి ఉంటుంది. తక్కువ విశ్లేషం (రిజల్యూషన్) ఉండడం వల్ల ఉష్ణ పరారుణ (థర్మల్ ఇన్ఫ్రారెడ్) బ్యాండును ప్రత్యేక ప్రయోజనాల కోసం మాత్రమే ఉపయోగిస్తారు.
- నిజవర్ణ చిత్రాలు - ఎరుపు, ఆకుపచ్చ, నీలం ఛానెళ్ళను మాత్రమే ఉపయోగిస్తాయి. ఏ రంగుకు ఆ రంగు చానెళ్ళనే ఉపయోగిస్తారు. సాధారణ ఛాయాచిత్రం వలె, ఇది మానవ నిర్మిత వస్తువులను విశ్లేషించడానికి ఉపయోగకరంగా ఉంటుంది. ఆ సాంకేతికత గురించి కొత్తగా నేర్చుకునే వారికి సులభంగా అర్థం అవుతుంది.
- ఆకుపచ్చ-ఎరుపు-పరారుణ కిరణాలు - నిజవర్ణ చిత్రాల్లో నీలి ఛానల్‌ను నీలం కాంతికి బదులుగా సమీప పరారుణ కాంతి కిరణాలకు ఉపయోగిస్తే ఈ తరహ బహుళ వర్ణపట చిత్రాలు వస్తాయి. సమీప పరారుణ బ్యాండులో ఎక్కువగా ప్రతిబింబించే వృక్షసంపదను విశ్లేషించడానికి ఇవి ఉపయోగపడతాయి; ఈ చిత్రాల్లో చెట్లు, మొక్కలు నీలం రంగులో కనిపిస్తాయి.
- నీలం-సమీప పరారుణ-మధ్య పరారుణ - ఇటువంటి బహుళ వర్ణపట చిత్రాల్లో నీలి ఛానల్ నీలి రంగునూ, ఆకుపచ్చ ఛానెల్ సమీప పరారుణ కాంతినీ, ఎరుపు ఛానెల్ మధ్య పరారుణ కాంతినీ చూపుతాయి. చెట్లు, మొక్కల పచ్చదనం సమీప పరారుణ కంతిని ప్రతిబింబిస్తుంది కాబట్టి ఈ చిత్రాల్లో మొక్కలు ఆకుపచ్చ రంగులోనే కనిపిస్తాయి. ఈ బ్యాండ్ల కలయికతో నీటి లోతు, వృక్షసంపద, నేలలో తేమ శాతం, మంటల ఉనికిని ఒకే చిత్రంలో చూడవచ్చు.
ఏ రంగుకు ఆ రంగు చానెళ్ళనే ఉపయోగించేవి నిజవర్ణ చిత్రాలైతే మిగిలినివన్నీ మిథ్యావర్ణ చిత్రాలు. వీటిలో అత్యంత ప్రాచుర్యం పొందిన మిథ్యావర్ణ చిత్రాలు ఎరుపు, అకుపచ్చ, నీలం ఛనెళ్ళలో సమీప పరారుణ, ఎరుపు, ఆకుపచ్చ కాంతులను (యథాక్రమం) చూపిస్తాయి. ఇటువంటి మిథ్యావర్ణ చిత్రాల్లో మొక్కలు, చెట్లు, పచ్చిక మొదలైనవి ప్రస్ఫుటంగా ఎరుపు రంగులో కనిపిస్తాయి. అందువల్ల ఇవి వ్యవసాయం, అడవులు, పచ్చిక బయళ్ళు తదితర ఉద్భిజ్జసంపదను విశ్లేషించడనికి ఉపయోగపడతాయి.
సాధారణ స్పెక్ట్రల్ బ్యాండ్లు
మార్చుబహుళ వర్ణపట చిత్రణలో అత్యధికంగా ఉపయోగపడే కాంతి తరంగదైర్ఘ్యాలు (ఇవి ఖచ్చితమైన విలువలు కాదు. పరికరాలను బట్టి తరంగదైర్ఘ్యాల విలువల్లో కొద్ది మార్పులు ఉంటాయి):
- నీలం, 450–515/520 నానోమీటర్లు; వాతావరణం, లోతైన నీటిలో చిత్రణ కోసం ఉపయోగపడుతుంది. ఇది నీటిలో 150 అడుగులు (50 మీ.) వరకు లోతుకు చేరుకోగలదు.
- ఆకుపచ్చ, 515/520–590/600 నానోమీటర్లు; వృక్షసంపదనూ, 90 అడుగులు (30 మీ.) వరకు లోతైన నీటి నిర్మాణాలను చిత్రించడానికి ఉపయోగిస్తారు.
- ఎరుపు, 600/630–680/690 నానోమీటర్లు; మానవ నిర్మిత కట్టడాలనూ, 30 అడుగులు (9 మీ.) లోతు నీటిలోనూ, నేలనూ, వృక్షసంపదనూ చిత్రించడానికి ఉపయోగపడుతుంది.
- సమీప పరారుణ, 750–900 నానోమీటర్లు; ప్రధానంగా వృక్షసంపదను చిత్రీకరించడానికి ఉపయోగపడుతుంది.
- మధ్య పరారుణ, 1550–1750 నానోమీటర్లు; వృక్షసంపద, నేలలోని తేమ, కార్చిచ్చులను చిత్రీకరించడానికి ఉపయోగపడుతుంది.
- దూర పరారుణ, 2080–2350 నానోమీటర్లు; నేలలోని తేమ, భౌగోళిక లక్షణాలు, సిలికేట్‌లు, బంకమట్టి, మంటలను చిత్రీకరించడానికి ఉపయోగపడుతుంది.
- ఉష్ణ పరారుణ, 10,400–12,500 నానోమీటర్లు; ఈ బ్యాండును వాడే పరికరాలు ఒక వస్తువు ప్రతిబింబించే కిరణాలను కాక ఆ వస్తువు నుంచే ఉద్భవించే కిరణాలను కొలుస్తాయి. ఈ బ్యాండు భౌగోళిక వస్తువులనూ, నీటి ప్రవాహాల్లోని విభిన్న ఉష్ణోగ్రతలనూ, మంటలనూ గుర్తించడానికీ, రాత్రుళ్ళు జరిపే పరిశోధనల్లోనూ ఉపయోగపడుతుంది.
- భూభాగాన్ని మ్యాప్ చేయడానికీ, వివిధ వస్తువులను గుర్తించడానికీ రాడార్, సంబంధిత సాంకేతికతలు ఉపయోగపడతాయి.
వర్గీకరణ
మార్చుఇతర వైమానిక, ఉపగ్రహ చిత్రాల తరహాలో ఈ బహుళ వర్ణపట చిత్రాల విశ్లేషణ సులువుగా ఉండదు. ఒక చిత్రాన్ని చూసి ఇందులో ఇది జనావాసం, ఇది పంటపొలం, ఇది అడవి అని చెప్పడం దాదాపు అసంభవం. అందువల్ల రిమోట్ సెన్సింగ్ ద్వారా సేకరించిన బహుళ వర్ణపట చిత్రాలను ముందుగా వివిధ పద్ధతుల్లో మెరుగుపరిచి, వర్గీకరించాలి. దీని వల్ల వినియోగదారులు వారి అవసరాల మేర ఈ చిత్రాలను ఉపయోగించుకోగలుగుతారు.
చిత్రాల వర్గీకరణకు వివిధ ఆల్గరిథమ్‌లు అందుబాటులో ఉన్నాయి. చిత్రంలోని సమాచారం, శిక్షణ డేటా లభ్యత, వర్గీకృత చిత్ర ప్రయోజనాలను బట్టి ఆల్గరిథమ్‌ను ఎంచుకుంటారు. వర్గీకరణ పద్ధతులు స్థూలంగా రెండు రకాలు:
- పర్యవేక్షిత (సూపర్వైజ్డ్) వర్గీకరణ పద్ధతులు
- అపర్యవేక్షిత (అన్‌సూపర్వైజ్డ్) వర్గీకరణ పద్ధతులు
పర్యవేక్షిత పద్ధతులు శిక్షణ డేటాను ఉపయోగించుకుని చిత్రాలను వర్గీకరిస్తాయి. భూమ్మీది వాస్తవిక సమాచారాన్ని, అంటే అక్కడ ఏం ఉందో ఖచ్చితంగా తెలిసిన ప్రదేశాలను శిక్షణ డేటాగా ఉపయోగిస్తారు. వర్గీకరణ పద్ధతులు ఈ శిక్షణా ప్రదేశాల స్పెక్ట్రల్ సిగ్నేచర్లను ఉపయోగించి చిత్రంలో ఇంకా ఎక్కడెక్కడ అవే సిగ్నేచర్లు ఉన్నాయో వెతికి పట్టుకుని ఆ ప్రదేశాలని వర్గీకరిస్తాయి. ఈ పద్ధతిలో వర్గీకరణ చెయ్యడానికి అనుభవం అత్యవసరం. ఆ ప్రదేశ భౌగోళిక లక్షణాలు తెలిసినప్పుడే సరైన శిక్షణా ప్రదేశాలను ఎంచుకోవడానికి వీలవుతుంది. ఎంపిక సరిగా లేకపోతే వర్గీకరణ ఖచ్చితత్వం కోల్పోతుంది. వీటిలో ఎక్కువగా ఉపయోగించే అల్గారిథమ్‌లు గరిష్ఠ సంభావ్యత (మాక్సిమమ్ లైక్లీహుడ్), కన్వల్యూషనల్ న్యూరల్ నెట్‌వర్క్. గరిష్ఠ సంభావ్యత సూత్రం ఒక చిణువు ఒక వర్గానికి చెందే సంభావ్యతను గణిస్తుంది. అలా అన్నీ వర్గాల సంభావ్యతలను గణించి, దేనికైతే ఎక్కువ సంభావ్యత ఉందో ఆ వర్గాన్ని చిణువుకు కేటాయిస్తుంది.
అపర్యవేక్షిత వర్గీకరణ విషయంలో ఒక చిత్రాన్ని వర్గీకరించడానికి ఆ ప్రదేశానికి సంబంధించిన ముందస్తు సమాచారం అవసరం లేదు. ఈ పద్ధతులు చిణువులను వాటి విలువల ఆధారంగా సహజ సమూహాలుగా విభజిస్తాయి. ఆపై చిత్రంలో కావలసిన వర్గాల సంఖ్యను బట్టి ఒక థ్రెషోల్డును నిర్వచిస్తారు. థ్రెషోల్డ్ విలువ ఎంత తక్కువ ఉంటే చిత్రంలో అన్ని ఎక్కువ వర్గాలు ఉంటాయి. అయితే ఒక స్థాయి మించి థ్రెషోల్డును తగ్గించినా ఒకే వర్గం రెండు-మూడు వర్గాలుగా విడిపోయే అవకాశం ఉంది. చిణువుల సమూహాలను ఏర్పరచిన తర్వాత, అవి యే వర్గానికి చెందుతాయి అనేది భూమ్మీది వాస్తవిక సమాచారంతో పోల్చి చూసి నిర్ణయిస్తారు. అందువల్లే ఈ పద్ధతిలో వర్గాల గురించిన ముందస్తు సమాచారం అవసరం లేదు. కె-మీన్స్ క్లస్టరింగ్ ఈ పద్ధతుల్లో ప్రధానమైనది.
ఉపయోగాలు
మార్చుసైనిక లక్ష్యాల గుర్తింపు
మార్చుసైనిక లక్ష్యాలను గుర్తించడానికీ, పర్యవేక్షించడానికీ తరచుగా బహుళ వర్ణపట చిత్రణను ఉపయోగిస్తారు. 2003లో, యునైటెడ్ స్టేట్స్ ఆర్మీ రీసెర్చ్ లాబొరేటరీ, ఫెడరల్ లాబొరేటరీ కోలాబరేటివ్ టెక్నాలజీ అలయన్స్‌ల పరిశోధకులు డ్యూయల్ బ్యాండ్ బహుళ వర్ణపట చిత్రణ సామర్థ్యం గల ఫోకల్ ప్లేన్ అర్రే (ఎఫ్‌పీఏ)ను రూపొందించారు. దీని ద్వారా ఒకే సమయంలో రెండు పరారుణ సమక్షేత్రాలను చూసేందుకు వీలైంది. [6] మిడ్-వేవ్ పరారుణ, లాంగ్-వేవ్ పరారుణ సాంకేతికతలు ఒక వస్తువు నుంచి వెలువడే రేడియేషన్‌ను కొలుస్తాయి. అందువల్ల వీటిలో వేరొక కాంతి మూలం అవసరం లేదు. ఈ పద్ధతులనే ఉష్ణ చిత్రణ (థర్మల్ ఇమేజింగ్) పద్ధతులని కూడా అంటారు.
ఉష్ణ చిత్రణ వస్తువుల ఉద్గమన సామర్థ్యం (ఎమిసివిటీ), ఉష్ణోగ్రతలపై ఆధారపడి ఉంటుంది. [7] ప్రతి పదార్థానికి ఉండే ప్రత్యేకమైన పరారుణ లక్షణం సహాయంతోనే ఉష్ణ చిత్రాల్లోని వస్తువులను గుర్తిస్తారు. హైపర్‌స్పెక్ట్రల్ చిత్రణలోనూ ఇది సంభవమే, అయితే ఇందులో పరారుణ లక్షణాలు ప్రస్ఫుటంగా కనబడవు. గాలి, వానల ప్రభావం ఉన్నప్పుడు కూడ ఈ లక్షణాలను గుర్తించడం కష్టతరం అవుతుంది. [8] కొన్నిసార్లు బయటి నుంచి వచ్చే పరారుణ కాంతి, లక్షిత వస్తువు ఉపరితలంపై పరావర్తనం చెంది ఉష్ణ చిత్రణ వ్యవస్థను చేరుతుంది. ఇది వస్తువు స్వాభావిక పరారుణ లక్షణాన్ని భంగపరిచి దాన్ని గుర్తించడంలో సమస్యలను లేవనెత్తుతుంది. మిడ్-వేవ్ పరారుణ సాంకేతికతను ఉపయోగించే చిత్రణ వ్యవస్థలు లక్షిత వస్తువు ఉపరితలంపై సూర్యరశ్మి పడి పరావర్తనం చెందుతున్నప్పుడు మెరుగ్గా పనిచేస్తాయి. ఇవ్ లాంగ్-వేవ్ పరారుణ సాంకేతికతతో పోలిస్తే ఇంజిన్‌ల వంటి వేడి వస్తువుల చిత్రాలను ఎక్కువ ఖచ్చితత్వంతో ఉత్పత్తి చేస్తాయి. [9] అయితే, లాంగ్-వేవ్ పరారుణ న్యవస్థలు పొగ, పొగమంచు వంటి మసక వాతావరణంలో మెరుగ్గా పనిచేస్తాయి. [7] ఈ రెంటి ప్రయోజనాలనీ కలిపే డ్యూయల్-బ్యాండ్ సాంకేతికతలు తీసే చిత్రాల్లో ఎక్కువ సమాచారం ఉండి లక్ష్యాల గుర్తింపు ఎంతో మెరుగ్గా ఉంటుందని పరిశోధకులు చెప్తున్నారు.
ల్యాండ్ మైన్‌ల గుర్తింపు
మార్చుభూ ఉపరితల ఉద్గమన సామర్థ్యాన్ని విశ్లేషించడం ద్వారా బహుళ వర్ణపట చిత్రణ వ్యవస్థలు భూగర్భ క్షిపణుల ఉనికిని గుర్తించగలవు. ఉపరితలం పైన, లోపల ఉన్న మట్టి వేర్వేరు భౌతిక, రసాయన లక్షణాలు కలిగి ఉంటుంది. [8] చెదిరిన మట్టి వల్ల 8.5 నుండి 9.5 మైక్రోమీటర్ల తరంగదైర్ఘ్యాల్లో ఉద్గమన సామర్థ్యం పెరిగితే, 10 మైక్రోమీటర్ల పైన తరంగదైర్ఘ్యాలలో ఎటువంటి మార్పు లేదు. యూఎస్ ఆర్మీ రీసెర్చ్ లాబొరేటరీ వారి డ్యూయల్ మిడ్-వేవ్/లాంగ్-వేవ్ ఎఫ్‌పీఏ "ఎరుపు", "నీలం" డిటెక్టర్‌లను వాడి మెరుగైన ఉద్గమన సామర్థ్యం ఉన్న ప్రాంతాలను శోధిస్తుంది. ఎరుపు డిటెక్టర్ 10.4 మైక్రోమీటర్ల తరంగదైర్ఘ్యాలను సూక్ష్మంగా గ్రహిస్తుంది గనుక కదిలించని మట్టి ప్రాంతాలను గుర్తిస్తూ నేపథ్యంలా పనిచేస్తుంది. నీలం డిటెక్టర్ 9.3 మైక్రోమీటర్ల తరంగదైర్ఘ్యాలకు సూక్ష్మగ్రాహ్యత కలిగి ఉంటుంది. స్కాన్ చేస్తున్నప్పుడు నీలి చిత్రం తీవ్రత మారుతూ ఉంటే, ఆ ప్రాంతంలో చెదిరిన మట్టి ఉందని చెప్పవచ్చు.[6]
బలిస్టిక్ క్షిపణుల గుర్తింపు
మార్చుఖండాంతర బలిస్టిక్ క్షిపణిని దాని బూస్ట్ దశలో అడ్డగించాలంటే దాని శరీరంతో పాటు రాకెట్ ప్లూమ్‌లను కూడా చిత్రించడం అవసరం. మిడ్-వేవ్ పరారుణ కాంతి రాకెట్ ప్లూమ్‌లనూ, లాంగ్-వేవ్ పరారుణ కాంతి క్షిపణి శరీరం నుండి వెలువడే కిరణాలనూ గ్రహిస్తాయి. యూఎస్ ఆర్మీ రీసెర్చ్ లాబొరేటరీ వారి డ్యూయల్-బ్యాండ్ మిడ్-వేవ్/లాంగ్-వేవ్ పరారుణ సాంకేతికతతో, ఖండాంతర క్షిపణిని పోలి ఉండే అట్లాస్ 5 ఎవాల్వ్డ్ ఎక్స్‌పెండబుల్ లాంచ్ వెహికల్ల శరీరం, ప్లూమేజ్ రెండింటినీ గుర్తించారు.
స్పేస్ ఆధారిత ఇమేజింగ్
మార్చురిమోట్ సెన్సింగ్‌కు (RS) వాడే చాలా రేడియోమీటర్లు బహుళ వర్ణపట చిత్రాలనే తీస్తాయి. కాంతి స్పెక్ట్రమ్‌ మొత్తాన్ని అనేక బ్యాండ్‌లుగా విభజించే బహుళ వర్ణపట చిత్రణ, కాంతి మొత్తం తీవ్రతను నమోదు చేసే పాన్‌క్రొమాటిక్‌ చిత్రణకు సరిగ్గా వ్యతిరేకంగా ఉంటుంది. [10] సాధారణంగా భూ పరిశీలన ఉపగ్రహాలలో మూడు లేదా అంతకంటే ఎక్కువ రేడియోమీటర్లు ఉంటాయి. వాటిలో ఒక్కోటీ ఒక చిన్న స్పెక్ట్రల్ బ్యాండ్‌లో ఒక డిజిటల్ చిత్రాన్ని (రిమోట్ సెన్సింగ్‌లో, 'సీన్' అని పిలుస్తారు) తీస్తుంది.
వాతావరణ సూచనలు
మార్చుఆధునిక వాతావరణ ఉపగ్రహాలు వివిధ రకాల స్పెక్ట్రాల్లో చిత్రాలను ఉత్పత్తి చేస్తాయి. [11]
ల్యాండ్‌శాట్ ఉపగ్రహాల్లో, అనేక విభిన్న బ్యాండ్ల సమూహాలు ఉపయోగించారు. అత్యధికంగా ల్యాండ్‌శాట్ 8 లో ఒక చిత్రంలో 11 బ్యాండ్లు ఉంటాయి. [12] [13] అధిక రేడియోమెట్రిక్ రిజల్యూషన్ (వందల లేదా వేల బ్యాండ్లను కలిగి ఉంటుంది), సూక్ష్మమైన స్పెక్ట్రల్ విశ్లేషం (చిన్న బ్యాండ్లను కలిగి ఉంటుంది) లేదా విస్తృత వర్ణపట కవరేజీతో స్పెక్ట్రల్ ఇమేజింగ్‌ను హైపర్‌స్పెక్ట్రల్ లేదా అల్ట్రాస్పెక్ట్రల్ అని పిలుస్తారు.
పత్రాలూ, కళాఖండాలూ
మార్చుచిత్రపటాలూ, ఇతర కళాకృతుల పరిశోధన కోసం బహుళ వర్ణపట చిత్రణను ఉపయోగించవచ్చు. చిత్రపటంపై అతినీలలోహిత, దృగ్గోచర, పరారుణ కిరణాలను పడేలా చేసి, అవి పరావర్తనం చెందిన తరువాత వాటిని కెమెరాలో బంధిస్తారు. ఇల పరావర్తనం చెందిన కిరణాలనే కాకుండా వాటికి బదులుగా తొలుత ప్రసరింపజేసిన కిరణాలను ఉపయోగించి కూడా కెమేరాలో చిత్రాన్ని నమోదు చేయవచ్చు. కొన్ని సందర్భాలలో చిత్రపటంపై అతినీలలోహిత, దృగ్గోచర, పరారుణ కిరణాలను పడేలా చేసి, చిత్రంలో వాడిన వర్ణకాలు, లేదా వార్నిష్‌ల ప్రతిదీప్తిని (ఫ్లోరసెన్స్) నమోదు చేస్తారు.
హెర్క్యులేనియం వద్ద లభించిన పురాతన పత్రాలను విశ్లేషించడానికి బహుళ వర్ణపట చిత్రణ ఉపయోగపడింది. సాధారణంగా నల్లని కాగితంపై నల్ల సిరాతో రాసినట్టుగా కనిపించే ఈ పత్రాల శకలాలను పరారుణ తరంగదైర్ఘ్యాల్లో (1000 నానోమీటర్లు) చిత్రించినప్పుడు కాగితమూ, సిరా వేర్వేరుగా ప్రతిస్పందించాయి. దీని వల్ల వాటిని చదవడం సులువైంది. ఇదే సాంకేతికతను ఆర్కిమెడిస్ ప్యాలింప్‌సెస్ట్‌ను చిత్రించడానికి కూడా ఉపయోగించారు. 365-870 నానోమీటర్ల వద్ద పత్రాలను చిత్రించి, ఆపై అధునాతన డిజిటల్ ఇమేజ్ ప్రాసెసింగ్ పద్ధతులను ఉపయోగించడం ద్వారా ప్యాలింప్‌సెస్ట్‌ అడుగున ఉన్న ఆర్కిమెడిస్ రచనను చదవడం సాధ్యమైంది. [14] మధ్యయుగ ఆంగ్ల వ్రాతప్రతులలోని సిరాలను పోల్చడానికి యేల్ విశ్వవిద్యాలయం మెల్లన్ ఫౌండేషన్ ప్రాజెక్ట్‌లో బహుళ వర్ణపట చిత్రణను ఉపయోగించారు.
పాత పుస్తకాలూ, వ్రాతప్రతులపై మారిన రంగులనూ, మరకలనూ పరిశీలించడానికి కూడా బహుళ వర్ణపట చిత్రణ ఉపయోగపడుతుంది. వివిధ తరంగదైర్ఘ్యాల్లోని కాంతికి ఒక మరక ప్రతిస్పందనలను వివిధ రసాయనాల ప్రతిస్పందనలతో పోల్చి ఆ మరక ఏ రసాయనం వల్ల అయిందో తెలుసుకోవచ్చు. ఇదే సాంకేతికతను వైద్య, రసవాద గ్రంథాలను పరిశీలించడానికి ఉపయోగించి, పూర్వకాలపు రసాయన శాస్త్రవేత్తల ప్రయోగాలూ, వాటిలో వారు ఉపయోగించిన రసాయన పదార్ధాల గురించి తెలుసుకోడం వీలైంది. [15]
వివరణలు
మార్చు- ↑ హేలో అనేది బుధ గ్రహ ఉపరితలంపై కనిపించే ఒక లక్షణం. ఇవి అంచుల్లేని గుండాల్లగా ఉంటాయి. చదరమైన అడుగులతో, చుట్టూ ప్రకాశవంతమైన పదార్థంతో ఉంటాయి. ఉపరితలంపై నుంచి బాష్పశీల పదార్థాలు ఉత్పతనం చెందడం వల్ల ఇవి ఏర్పడతాయి అని శాస్త్రవేత్తల అభిప్రాయం. 2011 నుంచి 2015 వరకు బుధుడిని పరిభ్రమించిన నాసా వారి మెసెంజర్ వ్యోమనౌక వీటిని కనుగొంది.
మూలాలు
మార్చు- ↑ R.A. Schowengerdt. Remote sensing: Models and methods for image processing, Academic Press, 3rd ed., (2007)
- ↑ "13. Multispectral Image Processing | The Nature of Geographic Information". www.e-education.psu.edu. Retrieved 2019-11-14.
- ↑ Baronti, A. Casini, F. Lotti, and S. Porcinai, Multispectral imaging system for the mapping of pigments in works of art by use of principal-component analysis, Applied Optics Vol. 37, Issue 8, pp. 1299–1309 (1998)
- ↑ Weiskott, Eric. "Multispectral Imaging and Medieval Manuscripts." In The Routledge research companion to digital medieval literature. Boyle, Jennifer E., and Helen J. Burgess. London: Routledge. Pp. 186–96.
- ↑ . "Review of snapshot spectral imaging technologies".
- ↑ 6.0 6.1 Goldberg, A.; Stann, B.; Gupta, N. (July 2003). "Multispectral, Hyperspectral, and Three-Dimensional Imaging Research at the U.S. Army Research Laboratory" (PDF). Proceedings of the International Conference on International Fusion [6th]. 1: 499–506.
- ↑ 7.0 7.1 "Primer on IR theory". Opto Engineering (in ఇంగ్లీష్). Retrieved 2018-08-15.
- ↑ 8.0 8.1 (2017-02-01). "A survey of landmine detection using hyperspectral imaging".
- ↑ Nguyen, Chuong; Havlicek, Joseph; Fan, Guoliang; Caulfield, John; Pattichis, Marios (November 2014). "Robust dual-band MWIR/LWIR infrared target tracking". 2014 48th Asilomar Conference on Signals, Systems and Computers. pp. 78–83. doi:10.1109/ACSSC.2014.7094401. ISBN 978-1-4799-8297-4.
- ↑ "3.1.1. Multispectral and panchromatic images". STARS project. Retrieved 14 May 2018.
- ↑ . "Rainfall Estimation from a Combination of TRMM Precipitation Radar and GOES Multispectral Satellite Imagery through the Use of an Artificial Neural Network".
- ↑ "What are the band designations for the Landsat satellites?". U.S. Geological Survey. Archived from the original on January 22, 2017. Retrieved April 25, 2018.
- ↑ Grolier, Maurice J.; Tibbitts Jr., G. Chase; Ibrahim, Mohammed Mukred (1984). A qualitative appraisal of the hydrology of the Yemen Arab Republic from Landsat images Water Supply Paper 1757-P By. U.S. G.P.O. p. 19. Retrieved 14 May 2018.
- ↑ "Multi-spectral imaging of the Archimedes Palimpsest". The Archimedes Palimpsest Project. Retrieved 17 September 2015.
- ↑ Avril, Tom (May 14, 2018). "Scans reveal secrets of medieval 'Harry Potter' book and medical texts at Penn". The Philadelphia Inquirer. Retrieved 14 May 2018.