A method for restoring data in a hyperspectral imaging system with large keystone without loss of spatial resolution

Abstract

This report proposes a new method of keystone correction in the postprocessing of hyperspectral images. Unlike conventional resampling the proposed method does not introduce any loss of resolution. A hardware modification of the hyperspectral camera, which will be necessary for the practical implementation of the method, is also briefly discussed. The potential advantages of the proposed method are large. When keystone correction is no longer required in hardware, it will be possible to design significantly sharper and/or faster optics. In addition, such optics may be both smaller and cheaper than the optics of the current hyperspectral cameras. We suggest a joint FFI-NEO project with the goal of developing the method further and building a new hyperspectral camera based on it. Such a project would benefit from NEO's expertise in design of hyperspectral cameras and FFI's expertise in processing of hyperspectral data. The outcome of the project could be a rather impressive instrument which will perform substantially better than the current generation of hyperspectral cameras.

Denne rapporten presenterer en ny metode for keystone korreksjon i etterprosesseringen av hyperspektrale data. Den foreslåtte metoden bevarer dataenes oppløsning, i motsetning til tradisjonell resampling som gir dårligere oppløsning. En hardware modifikasjon av det hyperspektrale kameraet, som vil være påkrevet for implementeringen av metoden, diskuteres også kort. Metoden har potensielt store fordeler. Når det ikke lenger er nødvendig å korrigere for keystone i hardware vil det være mulig å designe vesentlig skarpere og/eller mer lyssterk optikk, som også vil kunne bli både mindre og billigere enn det man finner i dagens hyperspektrale kameraer. Vi foreslår å opprette et felles FFI-NEO prosjekt med det formål å utvikle metoden videre og lage et nytt hyperspektralt kamera basert på metoden. Prosjektet vil dra nytte av NEOs ekspertise innenfor design av hyperspektrale kameraer og FFIs ekspertise innenfor prosessering av hyperspektrale data. Resultatet vil kunne bli et hyperspektralt kamera med vesentlig forbedret ytelse sammenlignet med dagens kameraer.