●Application de la technologie hyperspectrale en biomédical

L'article intitulé "Imagerie hyperspectrale et classification spectrale-spatiale pour la détection du cancer", publié en 2012, présente l'imagerie hyperspectrale en tant que technologie émergente pour les applications biomédicales. L'étude propose une méthode avancée de traitement d'image et de classification pour analyser les données d'image hyperspectrale dans la détection du cancer de la prostate. Une machine vectorielle de support des moindres carrés (LS-SVM) est développée et évaluée pour classer les données hyperspectrales afin d'améliorer la détection des tissus cancéreux. La méthode est appliquée pour détecter le cancer de la prostate chez les souris porteuses de tumeurs. Des images à résolution spatiale sont créées pour mettre en évidence les différences de caractéristiques de réflectance entre les tissus cancéreux et normaux. Les résultats préliminaires chez les souris démontrent que les méthodes d'imagerie hyperspectrale et de classification peuvent détecter de manière fiable les tumeurs dans un outil optique.

Dans des études distinctes menées par Houzhu Ding et al. (2015) et Michael S. Chin et al. (2015), des porcs et des souris nues ont été utilisés comme animaux expérimentaux pour la recherche en imagerie hyperspectrale sur la classification et la récupération des brûlures. L'image de gauche montre la distribution de la saturation en oxygène et de l'hémoglobine dans les zones de brûlures obtenues par analyse d'imagerie hyperspectrale. T00, T01, T04, T24 représentent les points temporels de 0 heure, 1 heure, 4 heures et 24 heures après la brûlure, respectivement. L'image de droite se compose d'une image couleur de la peau brûlée chez des souris nues, d'une image de l'hémoglobine oxygénée obtenue par analyse d'imagerie hyperspectrale et d'une section tissulaire. L'imagerie hyperspectrale permet une gradation non destructive, sans contact et à haut débit.

Ces études démontrent le potentiel de l'imagerie hyperspectrale dans la recherche biomédicale, en particulier dans la détection du cancer et l'évaluation des brûlures, en tirant parti des informations spectrales et spatiales fournies par cette technologie. La combinaison de l'imagerie hyperspectrale et des méthodes d'analyse avancées offre des informations précieuses sur le diagnostic, la surveillance et l'évaluation des traitements.

 

●Application de la technologie hyperspectrale à la classification biologique

L'article intitulé "Mesure non invasive de la réflectivité de la peau de grenouille en haute résolution spatiale à l'aide d'une double approche hyperspectrale", publié en 2013, a étudié la réflectance spectrale de trois espèces de grenouilles arboricoles à l'aide d'une configuration à double caméra composée de deux systèmes d'imagerie hyperspectrale à balai poussoir. Les systèmes ont généré des images de réflectance entre 400 et 2500nm. Les chercheurs ont analysé la réflectance spectrale de la peau des grenouilles.

Les trois espèces de grenouilles arboricoles présentaient une coloration verte visuellement observable. Cependant, des différences significatives de réflectance spectrale entre les espèces ont été observées entre 700 et 1100nm, permettant la différenciation des espèces.

Dans cette étude, l'approche d'imagerie hyperspectrale double a fourni une résolution spatiale élevée et une large plage spectrale pour analyser la réflectivité de la peau de grenouille. Les résultats mettent en évidence le potentiel de l'imagerie hyperspectrale pour étudier de manière non invasive les propriétés spectrales de la peau de grenouille, en particulier pour discerner différentes espèces en fonction de leurs modèles de réflectance spectrale distinctifs.

●Application de la technologie hyperspectrale à l'archéologie du patrimoine culturel

Depuis la découverte des guerriers et des chevaux en terre cuite en 1974, ils ont attiré l'attention du monde entier et ont été salués comme la "huitième merveille du monde" par l'ancien président français Jacques Chirac. Cependant, ces précieuses reliques culturelles, y compris les guerriers en terre cuite, ont été enterrées sous terre pendant plus de deux mille ans et sont soudainement exposées à l'air, ce qui les rend très sensibles aux changements et pose des défis importants en termes de restauration et de préservation.

La technologie d'imagerie hyperspectrale permet l'acquisition sans contact des informations spectrales d'image des guerriers en terre cuite. En analysant les images et les informations spectrales des guerriers en terre cuite, on peut évaluer l'étendue de la détérioration causée par les maladies et déterminer les pigments utilisés dans leur production. Sur la base des résultats de l'analyse, une restauration simulée peut être effectuée.

L'utilisation de la technologie d'imagerie hyperspectrale dans la restauration et la préservation des guerriers en terre cuite fournit des informations précieuses sur leur état et aide à développer des stratégies de restauration appropriées. Cette technologie permet un examen et une documentation non invasifs des caractéristiques de surface, des pigments et des modèles de détérioration des guerriers en terre cuite. En comprenant l'étendue des dommages et les matériaux colorants d'origine, les experts peuvent prendre des décisions éclairées concernant le processus de restauration.

L'application de la technologie d'imagerie hyperspectrale contribue non seulement à la restauration des guerriers en terre cuite, mais constitue également une avancée significative dans le domaine de la préservation du patrimoine culturel. Elle offre une approche scientifique et efficace pour étudier et conserver les reliques culturelles, assurer leur longévité et la transmission des valeurs historiques et artistiques aux générations futures.

 

●Application de la technologie hyperspectrale à la classification et à la reconnaissance des cultures fines

Les données hyperspectrales peuvent distinguer des différences spectrales plus subtiles dans les cultures et détecter des changements dans une plage spectrale plus étroite, permettant une classification détaillée précise et une extraction d'informations des cultures. Actuellement, les méthodes les plus populaires et les plus largement appliquées pour la classification hyperspectrale des cultures comprennent le Spectral Angle Mapper (SAM) et la classification hiérarchique basée sur l'arbre de décision.

Basé sur l'imagerie hyperspectrale, Xiong Zhen de l'Institut de télédétection et de la Terre numérique de l'Académie chinoise des sciences a surveillé les stades de croissance du riz à Changzhou. Une méthode d'arbre de décision hybride a été utilisée pour une classification précise des variétés de riz à l'aide d'images hyperspectrales. La classification a atteint une précision de 94,9 % pour distinguer six variétés de riz.

Zhang Bing a examiné les règles générales de la distribution des objets naturels et a utilisé les caractéristiques des données de télédétection hyperspectrales massives. Ils ont utilisé une méthode de classification décisionnelle experte optimisée pour les caractéristiques spectrales afin d'obtenir une classification fine des cultures agricoles à Minamimaki, au Japon, en utilisant l'imagerie hyperspectrale. Les résultats ont démontré que cette approche de classification non seulement améliorait la précision de la classification des pixels, mais réduisait également de manière significative le bruit de classification erronée dans la carte de classification résultante.

●Application de la technologie hyperspectrale à la classification et à la reconnaissance des cultures fines

La Chine est le plus grand pays producteur de céréales au monde, avec des céréales telles que le riz, le blé, le maïs, les arachides, etc. Grâce à l'application de la technologie d'imagerie hyperspectrale, une détection aiguë du riz est effectuée pour évaluer sa qualité et sa variété. En obtenant des images hyperspectrales du riz, les données des images sont traitées à l'aide de l'analyse en composantes principales (ACP) pour réduire la dimensionnalité et extraire des caractéristiques telles que la blancheur et la forme. Les modèles de reconnaissance des grains pour le riz sont établis à l'aide de l'ACP et du réseau neuronal de rétropropagation (BPNN). Il est constaté que le modèle BPNN donne des résultats satisfaisants, avec une précision de 89,18 %, avec peu de différence entre les deux. En combinant BPNN et la fusion des données, la précision est encore améliorée à 94,45 % pour l'imagerie hyperspecale et la variété.