Übersicht über 2D Spektrograph/ Hyperspektrumkamera Bauarten und Leistungsklassen

  • Ersteller des Themas Ersteller des Themas heikoo
  • Erstellungsdatum Erstellungsdatum

heikoo

Mitglied
Hallo zusammen!

Ich bin Datenwissenschaftler, also im Bereich der Spektrographie weitgehend fachfremd. Ich versuche mich gerade in den Bereich 2D Spektrographie/ hyperspektrale Bilder einzuarbeiten.

Ich komme aus einem anderen Wissenschaftszweig. Wording und Fachterminus-Probleme sind also vorprogrammiert. >> Mit einem 2D Spektrographen meine ich einen Spektrographen mit einer 2D Ortsauflösung, der also idealer Weise für jedes Pixel eines 2D Bilds eine spektrografische Auflösung in x Frequenzbänder liefert. <<


Das Problem ist, dass die PHYSIKER solche Geräte teilweise schon seit über 50 Jahren kennen und sie hauptsächlich nach der Bauart und dem Erfinder benamst haben. Es scheinbar aber nicht für notwendig erachtet haben, diese in Output-Leistungsklassen einzuteilen.

Mein Problem besteht insbesondere darin, dass die meisten dieser Geräte im Prinzip bereits erschöpfend in Papers aus der Vor-Internet-Ära besprochen wurden, bis vor wenigen Jahren ausschließlich PHYSIKER- Spezialequipment waren und im öffentlichen Internet wenig Resonanz fanden.

Ich habe also fast keine Chance, mit Google, Perplexity und Co. innerhalb nützlicher Zeit zu einer vergleichenden Übersicht (einer technischen Synopse) der Gerätetypen und insbesondere ihrer Leistungsfähigkeit zu kommen.

Ich bin auch ganz offen. Ich bin eigentlich genau von der anderen Seite über das sich zur Zeit stark verbreitende Hyperstral Imaging zu dem Thema gekommen. Mir wurde von einem Physiker dann etwas entrüstet entgegen gehalten, dass sei nur ein Modewort und das gäbe es in Wirklichkeit schon seit mehreren Jahrzehnten.

Auch bei den Hyperspektrumkameras ist das Wording leider nicht einheitlich. Eine "Hyperspektrumkamera" kann entweder eine einfache 2D Kamera mit erweitertem Frequenzgang sein (ganz ohne spektrale Auflösung) oder aber eine 2D Kamera mit spektraler Auflösung in mehr als 3 Frequenzen (Farben) [oder beides gleichzeitig].

Könnt Ihr mir sagen, wie ich zu einer technischen Übersicht der Bauarten von 2D Spektrographen und Hyperspektrumkameras kommen kann?


P.S. Mir wurde schon zugeflüstert, dass Ihr die Spektrographie-Megacracks seid. Bitte nicht gleich draufhauen. Das ist mein erstes Posting in diesem Forum überhaupt. Ich habe noch Welpenschutz. ;-)
 
Zuletzt bearbeitet:
Lieber Heiko,

Zitat von heikoo:
Könnt Ihr mir sagen, wie ich zu einer technischen Übersicht der Bauarten von 2D Spektrographen und Hyperspektrumkameras kommen kann?
Klicke in dieses Feld, um es in vollständiger Größe anzuzeigen.

eine sehr gute Einführung in die Konstruktion von bildgebenden Hyperspektralkameras findest Du in der Dissertationsschrift von Mauri Aikio:

Hyperspectral prism-grating-prism imaging spectrograph

Auch für einen nicht-Physiker verständlich geschrieben.... (ich bin Chemiker und konnte das dort beschriebene prism-grating-prism-Element (PGP) nachbauen und ausrichten: https://forum.astronomie.de/threads/ausrichtung-eines-prism-grating-prism-elements-pgp.369270/

Beste Grüsse

Matthias
 
Hallo Matthias,

vielen Dank für die Links - sehr interessant !

Übrigens stammt die Einschätzung, daß hier so einige sehr tiefgehende Kenntnisse im Bereich Spektroskopie haben und an ernsthaften Beobachtungskampagnen beteiligt sind von mir.
Von "Megacracks" habe ich aber nicht geschrieben, so drücke ich mich einfach nicht aus.
 
Vielen Dank für das gute Paper, Matthias!


Über das Stichwort "Hyperspectral Imaging Spectrograph" aus dem verlinkten Paper, konnte ich der KI nun folgende 2D Spectrograph Typen entlocken.


ACHTUNG. NUN FOLGT POTENTIELL FEHLERBEHAFTETER KI CONTENT (die Zahlen sind Quellenverweise):


Detailed Explanations of 2D (Non-Spatial Scanning) Hyperspectral Imaging Spectrograph Types​

1. Computed Tomography Imaging Spectrometer (CTIS)​

  • Principle:
    CTIS is a snapshot hyperspectral imaging system that captures the entire three-dimensional hyperspectral datacube (two spatial dimensions plus one spectral dimension) in a single exposure, without any scanning12345678.
  • How It Works:
    • Light from the scene is collected and passes through a field stop, defining the field of view5.
    • The light is then collimated and directed through a dispersive optical element, typically a computer-generated hologram (CGH) or diffraction grating, which disperses the incoming light into multiple diffraction orders567.
    • The dispersed light forms a complex, spatially and spectrally mixed image on a 2D detector (such as a CCD or CMOS sensor)567.
    • Each pixel on the detector receives a combination of spatial and spectral information, resulting in a multiplexed (overlapped) image567.
    • To recover the original hyperspectral datacube, computational algorithms—often iterative and sometimes leveraging deep learning—are used to reconstruct the cube from the multiplexed sensor data59.
  • Key Features:
    • Snapshot acquisition: Captures all spatial and spectral data in a single frame, limited only by the camera’s exposure time and frame rate67.
    • No moving parts: Increases robustness and acquisition speed67.
    • Computational reconstruction: Requires significant post-processing to untangle the mixed spatial and spectral information59.
    • Applications: Ideal for dynamic scenes (e.g., biomedical imaging, astronomy, military) where rapid changes make scanning impractical678.
    • Variants: Can be constructed using refractive or reflective optics, including compact and miniaturized designs467.
  • Limitations:
    • Reconstruction complexity: The need for advanced algorithms can make real-time processing challenging, although deep learning approaches are improving speed and quality59.
    • Noise sensitivity: Reconstruction can be sensitive to sensor noise and calibration errors5.

Other Types (General Overview)​

Note: The search results provided only detailed information on CTIS. Below are concise, expert-level explanations of other major 2D snapshot hyperspectral imaging designs, based on established knowledge in the field. If you need sources for these, please provide more specific search results for each type.

2. Coded Aperture Snapshot Spectral Imaging (CASSI)​

  • Principle:
    Uses a coded mask (aperture) and a dispersive element to encode spatial and spectral information onto a 2D detector in a single shot. The coded pattern causes different spectral components to be shifted and overlapped in a known way.
  • Reconstruction:
    Computational algorithms (often compressive sensing) are used to reconstruct the full hyperspectral cube from the coded measurement.
  • Key Features:
    • Snapshot acquisition; suitable for dynamic scenes.
    • High light throughput.
    • Reconstruction quality depends on mask design and algorithm.

3. Image Mapping Spectrometer (IMS)​

  • Principle:
    Uses an image mapper (array of mirrors or fiber bundles) to divide the 2D scene into strips or segments, which are then spatially rearranged so that each can be dispersed spectrally and imaged onto a detector without overlap.
  • Reconstruction:
    Minimal computational reconstruction; the datacube is formed directly from the detector readout.
  • Key Features:
    • True snapshot capability.
    • High optical efficiency.
    • Complexity in optical alignment and calibration.

4. Integral Field Spectroscopy (IFS) with Lenslet Arrays or Image Slicers​

  • Principle:
    Uses a microlens array or image slicer to divide the image into small spatial elements ("spaxels"). Each spaxel is dispersed by a spectrograph and imaged onto the detector.
  • Reconstruction:
    The detector image is rearranged to reconstruct the spatial-spectral cube.
  • Key Features:
    • Widely used in astronomy.
    • High spatial and spectral resolution.
    • Complexity and cost scale with the number of spaxels.

5. Filter-on-Chip Sensor Arrays​

  • Principle:
    Spectral filters (e.g., Fabry-Perot, interference filters) are directly patterned or deposited onto individual pixels or pixel groups of a sensor array. Each pixel or group samples a different wavelength.
  • Reconstruction:
    The datacube is formed by assembling the measurements from all pixels.
  • Key Features:
    • No moving parts; instant acquisition.
    • Limited spectral resolution (dependent on number and quality of filters).
    • Used in compact, low-cost devices.

6. Image-Replicating Imaging Spectrometry (IRIS)​

  • Principle:
    The incoming image is optically replicated multiple times, with each replica filtered or dispersed to a different wavelength band, and all replicas are imaged onto different regions of the detector.
  • Reconstruction:
    The datacube is assembled from the set of monochromatic images.
  • Key Features:
    • Fast, parallel acquisition.
    • Trade-off between number of bands and spatial resolution.

7. Fiber-Reformatting Imaging Spectrometry (FRIS)​

  • Principle:
    Uses a fiber bundle to collect light from different spatial locations, rearranges the fibers to form a pseudo-slit, and disperses the light spectrally onto a detector.
  • Reconstruction:
    The spectral data from each fiber is mapped back to its spatial origin.
  • Key Features:
    • Flexible geometry.
    • High spectral resolution.
    • Limited by fiber packing density.

8. Multispectral Sagnac Interferometry (MSI)​

  • Principle:
    Uses a Sagnac interferometer to encode spectral information as spatial fringes in a single exposure.
  • Reconstruction:
    Computational Fourier transform methods are used to recover the spectral cube.
  • Key Features:
    • High spectral resolution.
    • Sensitive to alignment and vibration.

9. Multivariate Optical Computing (MOC)​

  • Principle:
    Uses custom-designed optical elements (e.g., multivariate optical elements or spatial light modulators) to directly compute chemical or spectral features of interest, rather than reconstructing the full spectrum.
  • Reconstruction:
    Outputs are chemical or feature images, not full spectral cubes.
  • Key Features:
    • Fast, application-specific.
    • Not general-purpose; limited to predefined analyses.

  1. https://en.wikipedia.org/wiki/Computed_tomography_imaging_spectrometer
  2. https://www.worldscientific.com/doi/10.1142/S0129156408005527
  3. https://ksp.kit.edu/chapters/e/10.58895/ksp/1000155014-13
  4. https://jeos.edpsciences.org/articles/jeos/full_html/2023/02/jeos20230002/jeos20230002.html
  5. https://www.spiedigitallibrary.org/...ulated-and-real/10.1117/1.OE.61.5.053103.full
  6. http://www.gregbearman.com/s/An-all-reflective-computed-tomography-imaging-spectrometer-SPIE.pdf
  7. https://static1.squarespace.com/sta...uted+tomography+imaging+spectrometer-SPIE.pdf
  8. https://pmc.ncbi.nlm.nih.gov/articles/PMC1301296/
  9. https://github.com/madspeters/CTIS/blob/main/README.md
 
Die Klassifizierung der Spektrographen gestaltet sich für mich weiterhin sehr schwierig. Aber an zwei Sachen habe ich mal etwas Grip dran gekriegt.


"Hyperspectral Imaging" ist ein in der Physik einschlägiger Fachbegriff. Er bezeichnet das zusätzliche Aufzeichnen der Dimension Frequenz zusätzlich zur Helligkeit/ Intensität eines Pixels (oder einer Fläche von Pixeln).

Das einschlägige Verständnis von "hyperspectral camera" ist aber dagegen, eine Kamera mit Sensitivität in einem (stark) erweiterten Frequenzbereich.

>> Das erste "hyperspectral" und das zweite "hyperspectral" bezeichnen also ganz verschiedene Dinge. <<


Jede Wissenschaft hat eine spezifische Sicht auf ein Messinstrument. Ein Datenwissenschaftler interessiert sich als erstes dafür, wie der Datenwürfel der Messdaten aufgebaut ist (data cube). Hinsichtlich der erzeugten Rohdatenwürfel lassen sich vor allem zwei Funktionstypen an Spektrographen unterscheiden:
- Scannende Spektrographen, die das "Licht"feld (illuminated field) sukzessiv abfahren, in der Regel mit einem dünnem Spektrographie-Spalt.
- Snapshot/ Tomograph Typen


Leider lassen sich die populären Bauarten anscheinend größtenteils nicht eindeutig dem Funktionstypus zuordnen.


ACHTUNG. NUN FOLGT POTENTIELL FEHLERBEHAFTETER KI CONTENT (senkrechte Striche sind Tabellenzellen-Trenner, Zahlen sind Quellenverweise):


## Classification of Hyperspectral Imaging 2D Spectrographs by Design Type

Below is a classification of common hyperspectral imaging 2D spectrographs by their design type: scanning, non-scanning (snapshot), and tomographic. This table is based on the provided context and established knowledge in the field.

| Instrument/System | Design Type | Description/Notes |
|------------------------------------|---------------------|-----------------------------------------------------------------------------------|
| **CTIS (Computed Tomography Imaging Spectrometer)** | Snapshot / Tomographic | Captures the full hyperspectral datacube in a single exposure using computational reconstruction of multiplexed projections[1][2][3][4][5][7]. |
| **CASSI (Coded Aperture Snapshot Spectral Imager)** | Snapshot / Compressive Sensing | Uses a coded aperture and dispersive element to capture compressed spectral data in one shot; computational reconstruction required. |
| **IMS (Imaging Spectrometer)** | Typically Scanning | Most conventional IMS use spatial or spectral scanning (e.g., pushbroom, whiskbroom designs). Some snapshot variants exist. |
| **IFS (Integral Field Spectrograph)** | Snapshot / Tomographic | Captures spectra for each spatial element simultaneously, often using lenslet arrays or image slicers; no scanning required. |
| **Filter One Chip Sensor Arrays** | Scanning or Snapshot| Can be implemented as filter wheel (scanning) or as mosaic filter arrays (snapshot, e.g., IMEC sensors). |
| **IRIS (Imaging Rapid-Scan Interferometer Spectrometer)** | Scanning (Fourier) | Uses interferometric scanning (Fourier Transform Spectroscopy); requires multiple exposures. |
| **FRIS (Fourier Transform Rapid Imaging Spectrometer)** | Scanning (Fourier) | Similar to IRIS; uses rapid-scan interferometry for hyperspectral data acquisition. |
| **MSI (Multispectral Imager)** | Scanning or Snapshot| Multispectral imagers can use filter wheels (scanning) or mosaic filter arrays (snapshot). |
| **MOC (Multispectral Optoelectronic Camera)** | Scanning or Snapshot | Design-dependent; may use filter wheels (scanning) or on-chip filter mosaics (snapshot). |

---

### Design Type Definitions

- **Scanning:** Requires sequential acquisition (spatially or spectrally), such as by moving the sensor or using a filter wheel. Example: traditional IMS, filter wheel-based MSI.
- **Non-Scanning (Snapshot):** Captures the entire hyperspectral datacube in a single exposure, often using computational imaging. Example: CTIS, CASSI, filter mosaic arrays.
- **Tomographic:** Uses computational reconstruction from multiple projections or coded measurements, often implemented as a snapshot system. Example: CTIS, IFS.

---

### System-Specific Notes


### References to CTIS as Example

CTIS is highlighted in the literature as a key example of a non-scanning, tomographic (snapshot) hyperspectral imaging system, capturing all necessary data in a single exposure and using computational methods for datacube reconstruction[1][2][3][4][5][7]. This approach eliminates motion artifacts and mechanical complexity associated with scanning systems.


[1] Design and realization of a miniaturized high resolution computed tomography imaging spectrometer | Journal of the European Optical Society-Rapid Publications
[2] Computed tomography imaging spectrometer - Wikipedia
[3] Design and Construction of a Field Capable Snapshot Hyperspectral Imaging Spectrometer - NASA Technical Reports Server (NTRS)
[4] https://www.sciencedirect.com/science/article/abs/pii/S0925346722014173
[5] https://www.epj-conferences.org/articles/epjconf/pdf/2022/10/epjconf_eosam2022_02001.pdf
[6] https://public.ukp.informatik.tu-darmstadt.de/reimers/embeddings/wikipedia_word_frequencies.txt
[7] Intermediate image free computed tomography imaging spectrometer
[8] https://mre.no/httpdocs/js/zxcvbn/data/english_wikipedia.txt
[9] https://nlp.biu.ac.il/~ravfogs/resources/embeddings-alignment/glove_vocab.250k.txt



Die älteren - aktuell wenig populâren - Spektrographentypen aus der Vor-Internet-Ära fehlen in der KI Abfrage weitgehend.

Die bekannteste Variante der Bauart "Filter One Chip Arrays" ist der klassische RGB Fotokamerasensor mit Bayes Filtern.
 
Zuletzt bearbeitet:
Das Datenwissenschaftler-Klassifikationsschema von Spektrographen, das sich (ausschließlich) an der Struktur des Rohmessdatenwürfels orientiert, wäre dann in etwa folgendes:

  • Spektrometer (= 0D und 1D spectrograph)
  • 2D hyperspectral imaging spectrograph
    • scan-imaging
    • snapshot/ tomographic
  • 3D spatial spectrograph
    • scanning
    • snapshot/ tomographic


Mit
- 0D, 1D, 2D, 3D > räumlichen < Dimensionen



Beispiel:
Ein klassisches UV-IR Spektrometer im Chemielabor wäre in diesem Schema dann ein 1D/ 0D Spektrograph. (Die originär 1D Ausdehnung des Spektroschlitzes in den Rohdaten wird im Ergebnis auf den Mittelwert zusammengefaltet.)
 
Passt meine Grob-Klassifizierung nach der Struktur des > Roh- < Datenwürfels, getrieben durch

- die räumliche Dimensionen
- 1x Frequenz-Dimension
- Scanning/ Snapshot

ungefähr?

(= Mini-Peer-Review)
 
Lieber Heiko,

Zitat von heikoo:
Passt meine Grob-Klassifizierung nach der Struktur des > Roh- < Datenwürfels [.....]ungefähr?
Klicke in dieses Feld, um es in vollständiger Größe anzuzeigen.
Meiner Meinung nach passt das so ungefähr.

Ich bin noch "old school" und meide die Nutzung von KI-generierten Texten. Ich arbeite mich eigentlich nur mit editierten Büchern von renommierten Verlagen und mit Review-Artikeln (möglichst nicht von MDPI und Konsorten) in ein neues Thema ein. Daher kann ich Dir noch ein gutes Buch empfehlen, dass bei mir im Bücherregal steht und mir bei der Analyse von mehrdimensionalen, spektroskopischen Bilddaten sehr geholfen hat:

The Image Processing Handbook

"Consistently rated as the best overall introduction to computer-based image processing, The Image Processing Handbook covers two-dimensional (2D) and three-dimensional (3D) imaging techniques, image printing and storage methods, image processing algorithms, image and feature measurement, quantitative image measurement analysis, and more."

Man findet darin auch etwas zur Aufnahme und Auswertung von hyperspektralen Daten.

Beste Grüsse

Matthias
 
Stichworte:

slitless spectroscopy (Euclid NISP)
objective-prism spectroscopy (emission-line surveys)
SphereX mission
 
Um antworten zu können musst du eingeloggt sein.
Zurück
Oben