610 likes | 1.42k Views
OPTİK SENSÖRLER. 10505028 Mustafa Budak 10505020 İbrahim Serhat Bulut. Dersin Öğretim Üyesi: Doç. Dr. Ahmet Serdar Türk. KONULAR Infrared Hiperspektral Optik Kamera Lazer. Termal Işıma. Güneş ışığı yansıması: Sadece gündüz Termal ışıma: Gündüz ve gece. Infrared Sensörler.
E N D
OPTİK SENSÖRLER 10505028 Mustafa Budak 10505020 İbrahim Serhat Bulut Dersin Öğretim Üyesi: Doç. Dr. Ahmet Serdar Türk
KONULAR • Infrared • Hiperspektral • Optik Kamera • Lazer
Termal Işıma • Güneş ışığı yansıması: Sadece gündüz • Termal ışıma: Gündüz ve gece
Infrared Sensörler • Bütün cisimler kızılötesi enerji yayarlar. Kızılötesi ışıma birbirini gören farklı sıcaklıktaki cisimler arasındaki ısı transferi olup ısıl enerji, kızılötesi dalga boyunda iletilir. • IR sensörler, kızılötesi dalga boyunda iletilen enerjiyi görülebilir ışık spektrumu olarak görüntüler[1].
KIZILÖTESİ ENERJİ Kızılötesi bölge, elektromanyetik spektrumdaki görünür ve mikrodalga bölgelerin arasında bulunur. Bütün nesneler, hatta oda sıcaklığında ve donmuş nesneler bile, kızılötesi bölgede az da olsa ışınsal enerji yayarlar. Yani sıcaklığı mutlak sıfırın (O Kelvin, -273 °C) üzerindeki tüm cisimler kızılötesi enerji yayarlar. Bu enerjiye termal radyasyon da denir. Normal sıcaklıktaki insan vücudu 10 mikrometre civarında ışıma yapar. Kızılötesi enerjinin dalga boyu 0.72 mikrometre ile 1000 mikrometre arasındadır.
Stefan-Boltzmann Formülü IR sensörler çevre ışığına bağlı olmaksızın pasif olarak sıfır Kelvin üzerindeki sıcaklığa sahip cisimleri algılayabilir. Bu özellik görülebilir bölgede çalışan algılayıcılara göre büyük üstünlük sağlar.
KIZILÖTESİ ENERJİNİN ALT BANTLARI Nesneler oldukça geniş bir tayfta kızılötesi ışınım yayarlar, fakat algılayıcılar sadece belli bant genişliklerini algılayabilirler. Bu nedenle kızılötesi bandı daha küçük alt bantlara bölünmüştür. Alman Standartlar Enstitüsü (DIN) tarafından belirlenen ve sıkça kullanılan bir bölümleme biçimi şöyledir: Yakın Kızılötesi (NIR): 0.72-1.4 µm Orta Dalga Kızılötesi (MWIR): 3-8 µm Uzak Dalga Kızılötesi (LWIR): 8-15 µm En Uzak Kızılötesi (FIR): 15-1000 µm
ALTBANTLARA GÖRE KULLANIM ALANLARI Yakın Kızılötesi (NIR): Düşük kayıp miktarı yüzünden genellikle fiberoptik iletişiminde kullanılır. Gece görüş ekipmanlarıda genellikle bu bandı kullanır. Orta Dalga Kızılötesi (MWIR): Güdümlü füze teknolojisinde kullanılır. Uzak Dalga Kızılötesi (LWIR): Dışarıdan bir ışınım kaynağına gerek duymadan sadece nesnelerin yaydığı ısıyla çalışan termal görüntüleme cihazları bu bantta çalışır.
UYGULAMA ALANLARI Hedef tespiti Gözlemleme Gece görüşü Güdüm ve takip sistemleri Isıl verimlilik analizi Uzaktan sıcaklık ölçme Kısa mesafeli kablosuz iletişim Spektroskopi Hava tahmini Astronomi
Isıl Kamera • Kızıl ötesi algılayıcı yada diğer adıyla ısıl kameralar 3-14 µm dalga boyu bölgesinde çalışan ve gözlediği bölgedeki ısıl değişiklikleri algılayıp görüntüye dönüştüren cihazlardır. • Bir ısıl kamera bu kadar geniş bir algılama bölgesinde aynı hassasiyette çalışamayacağı için ısıl kameralar genellikle daha dar algılama aralıklarında çalışmaktadır. Uygulamada kullanılan ısıl kameralar genellikle orta dalga (MWIR) 3-5 µm ve uzun dalga (LWIR) 8-12 µm dalga boyunda çalışmaktadır. • 5-7 µm arası atmosferdeki su buharı nedeniyle soğurulduğu için ısıl kameralar bu aralıkta tespit yapamaz.
Kızılötesi (Elektromanyetik Spektrum) Kırmızı rengin hemen üzerinde başlayan kızılötesi bant içinde termal görüntüleme yapılan iki dalga boyu aralığı mevcuttur. Orta Kızılötesi (3-5μm) Uzak Kızılötesi (8-12μm)
Isıl Kamerada Görüntü Oluşturma 1.Kameranın görüş açısı içindeki tüm nesnelerden yayılan kızılötesi radyasyon bir lensle odaklanır. 2.Kızılötesi dedektörler, odaklanan kızılötesi ışığı tarayarak kullanır. Taranan ışık yardımı ile dedektörler termogram veya sıcaklık haritası çıkarır. 3.Oluşturulan bu termogram elektrik sinyallerine dönüştürülür. 4.Elektrik sinyalleri dataya dönüştürülmek üzere bir sinyal işleme ünitesine gönderilir.Sinyal işleme ünitesi ,bir devre üzerine gömülü bulunan küçük bir cipten oluşur. 5. Oluşturulan data, görüntü oluşturması için ekrana gönderilir.
Toprak üzerinde ya da gömülü cisimler toprakta bir takım ısıl değişimlere neden olurlar. Isıl özelliklerdeki değişim ısıl kamera tarafından tespit edilebilir[2].
Bu yöntemin en büyük zayıflığı meteorolojik koşullar ve çevresel etkilere çok bağımlı olmasıdır. Bu nedenle ısıl kamera tek başına bir gömülü cisim tespit algılayıcısı olmaktan çok diğerlerini destekleyici bir algılayıcı olarak kullanılmalıdır. • Gömülü cisimler, üzerindeki toprak veya kumu ısıtan bir sıcaklık kaynağı değil, üzerinde kalan toprak veya kum kütlesinin altında kalan kütleyle olan ısıl ilişkisini kesen ve böylelikle bu kütlenin daha çabuk ısınmasını sağlayan bir yalıtkandır. Bu bağlamda sadece mayınlar değil, ısıl anlamda yalıtkan olan herhangi bir gömülü cisim, uygun bir derinlikte olmak koşulu ile IR algılayıcı ile görülebilir.
IR Görüntünün İşlenmesi IR görüntüler kullanılarak mayınların tespiti için Hough dönüşümü gibi şekil bulmaya yönelik algoritmalar kullanılmaktadır. Bir kamera veya benzeri bir algılayıcı yardımı ile elde edilen görüntülerdeki şekillerin her zaman eksiksiz yer alması mümkün olmamaktadır ve şekillerdeki kopukluklar şekil tespitini zorlaştırmaktadır. Bu noktada Hough dönüşümü ile görüntünün tamamının görülebilir olmadığı durumlarda da olası şekiller tespit edilmektedir.
Cisimler sabahtan itibaren ısınmaya başlarlar ve atmosfer sıcaklığını belirli bir zaman farkı ile izlerler. Bu yüzden günün en sıcak saatlerine yakın saatlerde görüntü almak daha uygundur. Isıl kameranın tespit performansı günün saatlerine bağımlıdır.Ayrıca mevsimler de alınan görüntüler üzerinde etkilidir. Isıl kamera ile günün çeşitli saatlerinde alınmış gömülü cisim görüntüleri[3]
Hiperspektral Sensörler • Hiperspektral sensörler elektromanyetik spektrum genelinde bilgiler toplar ve işler. Bu tekniğe hiperspektral görüntüleme denir. • Bu yöntem ile toprak, bitki örtüsü ya da gömülü cisim tarafından yansıtılan ya da saçılan ışımadaki anormal değişimler tespit edilir. • Sensörler görüntüleri bir dizi şeklinde toplar. • Her görüntü elektromanyetik spektrumun bir aralığını temsil eder ve ayrıca spektral bant olarak da bilinir.
Hiperspektral Görüntü Uygulamaları • Mineral ve mineral gruplarını ayırt edebilmek için, yüksek spektral çözünürlüklü görüntüye ihtiyaç duyulur. Dar aralıklı spektral kanal sayısı arttıkça, mekansal ya da spektral analizler kullanılarak mineraller tanımlanabilir. Hiperspektral görüntüleme, daha önce haritalanmamış alanların hızlı ve detaylı olarak jeoloji haritalarının üretilmesini veya mevcut jeoloji haritalarının revize edilmesini sağlayan güçlü bir araçtır. • Hiperspektral görüntüler yardımıyla yapılan mineral tayini analizlerinde karşılaşılan ve aşılması gereken en önemli sorun ise atmosferik düzeltmedir. Atmosferdeki oksijen, su buharı ve karbondioksit gibi gazlar hiperspektral görüntülerin bazı bantlarında veriyi etkilemekte ve elde edilen görüntü istenilen nitelikte olamamaktadır. Bu sebeple hiperspektral görüntü analizlerinin ilk ve en önemli parçasını atmosferik düzeltme yöntemleri oluşturur. • Hiperspektral görüntülemede mineral ayırt etme için özellikle elektromanyetik spektrumun 0.7 – 2.5 µm aralığı kullanılmaktadır.
Esasında hiperspektral görüntüler çok fazla bilgi içerir. İstenmeyen özelliği ise söz konusu görüntü verisinin bir kerede sunulması ve bu nedenle de esas bilgi içeriğinin istenmeyen parazitlerden ayrımlanma zorluğudur[4].
Hyperspectral map showing the impact of iron-derived dust on mangrove swamps at a Port Hedland iron-one loading facility in WA
Gizlenmiş veya karalanmış yazıların Hiperspektral görüntüleme ile ortaya çıkarılması
Referanslar • [1]L. Kempen, A. Katarzin, Y. Pizurion, C. Corneli, and H. Sahli, “Digital Signal/Image Processing for Mine Detection, Part 2: Ground based Approach,” in Proceedings Euro Conference on Sensor Systems and Signal Processing Techniques applied to the Detection of Mines and Unexploded Ordnance, pp. 54-59, Oct. 1999. • [2]Groot J.S, Janssen Y.H.L.,”Remote Land Minefield Detection and Overview”, TNO Defence Research Report, September, 1994. • [3] Dr. Sevgi Akgün, “Çok Algılayıcı Tümleşik Tespit Sistemi Tasarımı, TÜBİTAK-MAM-Bilişim Teknolojileri Araştırma Enstitüsü”. • [4] Penn, B., 2002. .Using simulated annealing to obtain optimal linear end-member mixtures of hyperspectral data, Computers & Geosciences, 28, 809-817