Commencez par collecter les spectres d’une ligne verticale des signaux VS-FG sur le dispositif à couplage chargé ou CCD. Collectez des images d’intensité non résonante en balayant l’échantillon perpendiculairement à la direction du scanner de faisceau. Pour démixer spectralement les données à l’aide du workflow de la bibliothèque d’imagerie hyperspectrale de la boîte à outils d’imagerie MATLAB.
Utilisez la fonction hypercube de la bibliothèque pour créer un hypercube à quatre dimensions où X et Y sont spatiaux, Z correspond à l’intensité dépendante de la fréquence et oméga est la fréquence. Identifiez le nombre de spectres uniques à l’aide de la fonction HFC des extrémités du comptage, avec une probabilité de fausse alarme ou une valeur PFA de 10 à moins sept. Identifiez ensuite les spectres uniques à l’aide de la fonction de démixage spectral du N-finder.
À l’aide de la fonction SID, associez chaque pixel à l’un des spectres uniques précédemment identifiés. Enfin, ajustez la somme des données de chaque feuille isolée à la fonction Voit. Des images VS-FG de tôles auto-assemblées dispersées sur une lamelle de recouvrement ont été capturées.
Et grâce à l’identification spectrale, il a été constaté que toutes les feuilles pouvaient être classées en deux types, l’une avec une intensité VS-FG plus élevée et l’autre avec une intensité plus faible. En inspectant et en comparant avec l’image optique, la grande feuille au centre des images semblait avoir empilé des feuilles doubles, attribuant ainsi la plus petite intensité VS-FG à des interférences destructrices. Deux des feuillets ont été mesurés par différentes polarisations VS-FG et les spectres ont été ajustés à l’aide des fonctions Voit.
