Desarrollo de una aplicación para visualizar y analizar imágenes hiperespectrales

Abstract

[CA] Actualment els sistemes d'adquisició d'imatges hiperespectrals estàn molt demandats en diferents camps d'investigació, com són la medicina, la farmacologia, alimentació, control de qualitat, teledetecció, etc. Aquests sistemes d'imatge permeten adquirir informació de diferents modalitats espectrals (NIR, VIS, UV, IR, etc.) per a cada un dels píxels en els quals es dividix una mostra, obtenint així informació espectral i espacial, la qual cosa la converteix en una ferramenta molt interessant per a multitud d'aplicacions. En el mercat existixen moltes aplicacions comercials que permeten analitzar aquest tipus d'imatge i obtindre uns certs resultats. No obstant això, aquests programes tenen un elevat cost i el seu ús sol requerir d'una formació prèvia de l'usuari final. D'altra banda, les aplicacions d'accés en obert per a l'anàlisi d’aquest tipus d'imatges que s'adapten a qualsevol camp d'investigació són difícils de trobar i moltes vegades es recorre a la compra d’una adaptada a una necessitat concreta, amb el conseqüent sobrecost. El Treball de Fi de Grau consistirà en el desenvolupament d'una interfície gràfica d'usuari (GUI) senzilla i amigable, basada en llenguatge Python, que permeta la visualització i anàlisi d'imatges hiperespectrals de diferents disciplines, que a més de minimitzar la corba d'aprenentatge de l'usuari, permeta la integració de nous desenvolupaments realitzats per altres investigadors. En aquesta primera aproximació es pretén obtenir les següents característiques: • Fàcil navegació i interacció amb el hipercub, a través de cursors enllaçats amb la navegació i la representació de diferents gràfics que ajuden a la interpretació visual de les imatges sota estudi. • Suport de diferents formats d'imatges hiperespectrals que es puguen trobar en el mercat. • Implementació del procés de segmentació, tant manual com semiautomàtic, de les regions d'interés en tot l'espectre disponible en el fitxer. • Implementació de preprocessament espectral i espacial, com a filtres, operacions morfològiques, eliminació de regions, etc. • Exportació dels resultats en diversos formats utilitzats en l'àmbit científic i emmagatzematge de les imatges processades.

[ES] Actualmente los sistemas de adquisición de imágenes hiperespectrales están muy demandados en diferentes campos de investigación, como son la medicina, la farmacología, alimentación, control de calidad, teledetección, etc. Estos sistemas de imagen permiten adquirir información de diferentes modalidades espectrales (NIR, VIS, UV, IR, etc.) para cada uno de los pixeles en los que se divide una muestra, obteniendo así información espectral y espacial, lo que lo convierte en una herramienta muy interesante para multitud de aplicaciones. En el mercado existen muchas aplicaciones comerciales que permiten analizar este tipo de imágenes y obtener ciertos resultados. Sin embargo, estos programas tienen un elevado coste y su uso suele requerir de una formación previa del usuario final. Por otro lado, disponer de aplicaciones de acceso en abierto para el análisis de este tipo de imágenes que se adapten a cualquier campo de investigación son difíciles de encontrar y muchas veces se recurre a la compra de estas adaptadas a una necesidad concreta, con el siguiente sobrecoste El Trabajo de Fin de Grado consistirá en el desarrollo de una interfaz gráfica de usuario (GUI) sencilla y amigable, basada en lenguaje Python, que permita la visualización y el análisis de imágenes hiperespectrales de diferentes disciplinas, que además de minimizar la curva de aprendizaje del usuario, permita la integración de nuevos desarrollos realizados por otros investigadores. En esta primera aproximación se pretenden las siguientes características: Fácil navegación e interacción con el hipercubo, a través de cursores enlazados con la navegación y la representación de diferentes gráficos que ayuden a la interpretación visual de las imágenes bajo estudio. Soporte de diferentes formatos de imágenes hiperespectrales que se puedan encontrar en el mercado. Implementación del proceso de segmentación, tanto manual como semiautomático, de las regiones de interés en todo el espectro disponible en el fichero. Implementación de procesado espectral y espacial, como filtros, operaciones morfológicas, eliminación de regiones, etc. Exportación de los resultados en diversos formatos utilizados en el ámbito científico y almacenamiento de las imágenes procesadas.

[EN] Nowadays, hyperspectral imaging systems are highly demanded in different research fields, such as medicine, pharmacology, food, quality control, remote sensing, etc. These imaging systems allow acquiring information from different spectral modalities (NIR, VIS, UV, IR, etc.) for each of the pixels into which a sample is divided, thus obtaining spectral and spatial information, which makes it a very interesting tool for a multitude of applications. There are many commercial applications on the market that can be used to analyze this type of images and obtain certain results. However, these programs have a high cost and their use usually requires prior training by the end user. On the other hand, it is difficult to find open access applications for the analysis of this type of images that can be adapted to any field of research, and often these applications are purchased adapted to a specific need, with the resulting additional cost. The Final Degree Project will consist of the development of a simple and user-friendly graphical user interface (GUI), based on Python language, that allows the visualization and analysis of hyperspectral images from different disciplines, which in addition to minimizing the user's learning curve, allows the integration of new developments made by other researchers. In this first approach the following features are intended:

Easy navigation and interaction with the hypercube, through cursors linked to navigation and the representation of different graphics that help the visual interpretation of the images under study.

Support of different hyperspectral image formats that can be found in the market.

Implementation of the segmentation process, both manual and semi-automatic, of the regions of interest in the entire spectrum available in the file.

Implementation of spectral and spatial preprocessing, such as filters, morphological operations, region elimination, etc.

Export of the results in various formats used in the scientific field and storage of the processed images.