হাইপারস্পেকট্রাল চিত্রগুলি, হাইপারস্পেকট্রাল রিমোট সেন্সর ব্যবহার করে সংগ্রহ করা হয় । এই সেন্সরগুলি কয়েক ডজন বা কয়েকশ সংকীর্ণ, সংলগ্ন বর্ণালী ব্যান্ডগুলিতে চিত্র সংগ্রহ করে। হাইপারস্পেকট্রাল ইমেজিং ইলেক্ট্রোম্যাগনেটিক বর্ণালী থেকে তথ্য সংগ্রহ এবং প্রক্রিয়াকরণকে বোঝায়, এর উদ্দেশ্যটি চিত্রের প্রতিটি পিক্সেল থেকে বর্ণালী প্রাপ্ত করা।  বস্তু সনাক্তকরণ, উপকরণ সনাক্তকরণের জন্য দৃশ্যের, বর্ণালী ইমেজিং লাল, সবুজ এবং নীল পরিবর্তে আরও অনেকগুলি ব্যান্ডগুলিতে বর্ণালীকে বিভক্ত করে দেয়। 

Fig চিত্র 1 হাইপারস্পেকট্রাল কিউবের দুটি মাত্রিক প্রক্ষেপণ দেখায়।

প্রতিটি পিক্সালে হাইপারস্পেকট্রাল ইমেজিং, ডেটা কিউব বা সংকীর্ণ বর্ণাল ব্যান্ডগুলি উত্পাদিত হয়। পিক্সেল সংখ্যা সেন্সরগুলির উপর নির্ভর করে। হাইপারস্পেক্রাল সিস্টেম প্রথমে আলোকে নমুনা দেয়, তারপরে এটি  ছিটকে পরে যায় এবং ছত্রভঙ্গ করে  কয়েক থেকে কয়েক তরঙ্গদৈর্ঘ্য ব্যান্ডের।  যেখানে হাইপারস্পেক্টর আল কল্পনা মাত্রা সহ x বা y হাজার চিত্রের বৃহত ত্রিমাত্রিক ঘনক্ষেত্র (x, y, λ) প্রাপ্ত করে। যেখানে x এবং y স্থানিক মাত্রা নির্দেশ করে।

 Fig চিত্র 2-তে বর্ণিত বর্ণালী মাত্রা নির্দেশ করে। 

প্রতিটিতে কেবল কয়েকটি ন্যানোমিটারের প্রতিনিধিত্ব করে পরিসীমা: মাল্টিসেপেক্ট্রাল ইমেজিং প্রসেসিং এর ছোট ডেটা সেট সহ দ্রুত এবং সহজতর যখন হাইপারস্পেকট্রাল ইমেজিংয়ের ডেটার বৃহত জটিলতা, উচ্চতর রেজোলিউশন বর্ণালী রয়েছে এবং এটি বিভিন্ন উদীয়মান অ্যাপ্লিকেশনগুলির তুলনায় বহুমুখী 

Fig. 3.  Difference between Multispectral and Hyperspectral Imaging

Fig চিত্র 3. মাল্টিসেক্টেক্টরাল এবং হাইপারস্পেকট্রাল ইমেজিংয়ের মধ্যে পার্থক্য দেখায়।

এখানে হাইপারস্পেকট্রাল ইমেজিংয়ের মূল বিষয়গুলি, এর কৌশলগুলি এবং এর মধ্যে ভবিষ্যতের চ্যালেঞ্জগুলির উপর দৃষ্টি নিবদ্ধ করা হয়েছে। বিভাগ দ্বিতীয় হাইপারহেক্টেপট্রাল ইমেজিং সম্পর্কিত লেখকদের সম্পর্কিত কাজগুলিতে আলোকপাত করে। হাইপারস্পেকট্রাল ডেটা অধিগ্রহণের জন্য প্রযুক্তিগুলি তৃতীয় বিভাগে আলোচনা করা হয়েছে। হাইপারস্পেক্টরাল ইমেজিংয়ের চ্যালেঞ্জগুলি বিভাগের চতুর্থ অংশে সংক্ষিপ্তসারিত হয়েছে বিভাগে ভি এবং উপসংহার এবং ভবিষ্যতের কাজ দ্বারা।

রিলেটেড ওয়ার্ক: 

হাইপারস্পেকট্রাল ইমেজিং বিভিন্ন অ্যাপ্লিকেশনে ব্যবহৃত হয়। গবেষকরা তাদের কৌশল, বিশ্লেষণ এবং অ্যাপ্লিকেশনগুলির মতো হাইপারস্পেকট্রাল ইমেজিংয়ের বিভিন্ন দিক নিয়ে কাজ করছেন। মাল্টিভারিয়েট এবং হাইপারসেক্টেক্টরাল চিত্রগুলির বুনিয়াদি হ্যান্স এফ গ্রাহন এবং পল জেলাদির একটি বইয়ে আচ্ছাদিত রয়েছে  (Hans F. Grahn and Paul Geladi)। এই বইটি বিভিন্ন ক্ষেত্রে মাল্টিভারিয়েট এবং হাইপারসেক্টেক্টরাল চিত্রগুলির প্রয়োগগুলিকেও কেন্দ্র করে। এটি মাল্টিভারিয়েট এবং হাইপারস্পেকট্রাল ইমেজিংয়ের কৌশল এবং বিশ্লেষণকেও অন্তর্ভুক্ত করে। হাইপারস্পেকট্রাল ডেটা Current বর্তমান এবং সাম্প্রতিক হাইপারস্পেকট্রাল সেন্সর এবং ডেটা সরবরাহকারীদের সংক্ষিপ্তসার হিসাবে শেষ পর্যন্ত হাইপারস্পেকট্রাল ইমেজ বিশ্লেষণের অ্যাপ্লিকেশন উপস্থাপন করা হয়েছিল। জোসে এম। বায়োকাস-ডায়াস, এট আল (José M. Bioucas-Dias, et al) "হাইপারস্পেকট্রাল রিমোট সেন্সিং ডেটা অ্যানালাইসিস এবং ভবিষ্যতের চ্যালেঞ্জগুলি" উপর দৃষ্টি নিবদ্ধ রেখে। হাইপারস্পেকট্রাল প্রসেসিং কৌশলগুলির সাথে হাইপারস্পেকট্রাল এবং রিমোট সেন্সিংয়ের কাজ, হাইপারস্পেকট্রাল আন মিশ্রণ, শ্রেণিবিন্যাস, হাইপারস্পেকট্রাল টার্গেট ডিটেকশন, ফাস্ট কম্পিউটিং এবং এটি এর জন্য চ্যালেঞ্জসমূহ, স্যাটেলাইট চিত্রগুলিতে সনাক্তকরণটি প্রশস্ত ছড়িয়ে পড়া অ্যাপ্লিকেশনগুলির সাথে বিস্তৃত গবেষণার আগ্রহকে আকর্ষণ করেছে। মূল চ্যালেঞ্জটি জুড়ে পর্যাপ্ত প্রশিক্ষণের উদাহরণগুলি ((vehicle rectangles) গাড়ির আয়তক্ষেত্র) লেবেলিংয়ের অসুবিধায় রয়েছে। স্যাটেলাইট চিত্রগুলির সমস্ত রেজোলিউশন এবং ইমেজিং শর্ত, যা যথাযথভাবে প্রশিক্ষিত যানবাহন সনাক্তকারীদের কর্মক্ষমতা হ্রাস করে।  এই চ্যালেঞ্জ মোকাবেলায় Liujuan Cao, et al লিউজুয়ান কও, এট আল  যানবাহন সনাক্তকারীদের বৃহত্তর প্রশিক্ষণের জন্য একটি  intelligent and labor-light scheme for large-scale training of vehicle detectors.বুদ্ধিমান এবং শ্রম-আলো প্রকল্পের প্রস্তাব দেয় হাইপারস্পেকট্রাল ইমেজিংয়ের চ্যালেঞ্জগুলি Minaji , Sulehria , Babakhani , Kardan[5] in ”Super Resolution Challenges in Hyperspectral Imagery মিনাজি, সুলহরিয়া, বাবাখানি, কার্ডান "হাইপারস্পেকট্রাল ইমেজিতে সুপার রেজোলিউশন চ্যালেঞ্জস" -র উপস্থাপন করেছেন। হাইপারস্পেকট্রাল ইমেজিং ব্যবহার করে ল্যান্ডমাইন সনাক্তকরণের একটি সমীক্ষা ইহাব মক্কি উপস্থাপন করেছেন, এট আল  তাদের কাজকে কেন্দ্র করে। হাইপারস্পেকট্রাল ইমেজিং এবং বিভিন্ন গাণিতিক মিথ ব্যবহার করে ল্যান্ডমাইন সনাক্তকরণে কাজ করা হয়েছে হাইপারস্পেকট্রাল ডেটা ট্রিটমেন্টে ডিএস ব্যবহৃত হয়। "হাইপারস্পেকট্রাল ইমেজগুলির অনবোর্ড প্রেডিকটিভ কোডিংয়ের জন্য দ্রুত এবং লাইটওয়েট রেট কন্ট্রোল" ডিয়েগো ভ্যালেসিয়া এবং এনরিকো ম্যাগলি দ্বারা দুর্দান্ত হার-বিকৃতির আলোকে স্পেসক্র্যাফ্টের জাহাজের হাইপারস্পেক্ট্রাল ইমেজগুলির সংক্ষেপণের জন্য প্রেডিকটিভ কোডিংয়ের উপর দৃষ্টি নিবদ্ধ রেখেছিলেন। পারফরম্যান্স এবং সাম্প্রতিক প্রকল্পগুলির স্বল্প জটিলতা Next পরবর্তী বিভাগে হাইপারস্পেকট্রাল ডেটা অধিগ্রহণের জন্য প্রযুক্তিগুলি বর্ণনা করা হয়েছে, তারপরে হাইপারস্পেকট্রাল ইমেজিংয়ের চ্যালেঞ্জ রয়েছে।

রিলেটেড ওয়ার্ক: 

হাইপারস্পেকট্রাল ইমেজিং বিভিন্ন অ্যাপ্লিকেশনে ব্যবহৃত হয়। গবেষকরা তাদের কৌশল, বিশ্লেষণ এবং অ্যাপ্লিকেশনগুলির মতো হাইপারস্পেকট্রাল ইমেজিংয়ের বিভিন্ন দিক নিয়ে কাজ করছেন। মাল্টিভারিয়েট এবং হাইপারসেক্টেক্টরাল চিত্রগুলির বুনিয়াদি হ্যান্স এফ গ্রাহন এবং পল জেলাদির একটি বইয়ে আচ্ছাদিত রয়েছে । এই বইটি বিভিন্ন ক্ষেত্রে মাল্টিভারিয়েট এবং হাইপারসেক্টেক্টরাল চিত্রগুলির প্রয়োগগুলিকেও কেন্দ্র করে। এটি মাল্টিভারিয়েট এবং হাইপারস্পেকট্রাল ইমেজিংয়ের কৌশল এবং বিশ্লেষণকেও অন্তর্ভুক্ত করে। হাইপারস্পেকট্রাল ডেটা বর্তমান এবং সাম্প্রতিক হাইপারস্পেকট্রাল সেন্সর এবং ডেটা সরবরাহকারীদের সংক্ষিপ্তসার হিসাবে শেষ পর্যন্ত হাইপারস্পেকট্রাল ইমেজ বিশ্লেষণের অ্যাপ্লিকেশন উপস্থাপন করা হয়েছিল। জোসে এম। বায়োকাস-ডায়াস, এট আল "হাইপারস্পেকট্রাল রিমোট সেন্সিং ডেটা অ্যানালাইসিস এবং ভবিষ্যতের চ্যালেঞ্জগুলি" উপর দৃষ্টি নিবদ্ধ রেখে। হাইপারস্পেকট্রাল প্রসেসিং কৌশলগুলির সাথে হাইপারস্পেকট্রাল এবং রিমোট সেন্সিংয়ের কাজ, হাইপারস্পেকট্রাল আন মিশ্রণ, শ্রেণিবিন্যাস, হাইপারস্পেকট্রাল টার্গেট ডিটেকশন, ফাস্ট কম্পিউটিং এবং এটি এর জন্য চ্যালেঞ্জসমূহ satellite স্যাটেলাইট চিত্রগুলিতে সনাক্তকরণটি প্রশস্ত ছড়িয়ে পড়া অ্যাপ্লিকেশনগুলির সাথে বিস্তৃত গবেষণার আগ্রহকে আকর্ষণ করেছে The মূল চ্যালেঞ্জটি জুড়ে পর্যাপ্ত প্রশিক্ষণের উদাহরণগুলি (গাড়ির আয়তক্ষেত্র) লেবেলিংয়ের অসুবিধায় রয়েছে স্যাটেলাইট চিত্রগুলির সমস্ত রেজোলিউশন এবং ইমেজিং শর্ত, যা যথাযথভাবে প্রশিক্ষিত যানবাহন সনাক্তকারীদের কর্মক্ষমতা হ্রাস করে this এই চ্যালেঞ্জ মোকাবেলায় লিউজুয়ান কও, এট আল  যানবাহন সনাক্তকারীদের বৃহত্তর প্রশিক্ষণের জন্য একটি বুদ্ধিমান এবং শ্রম-আলো প্রকল্পের প্রস্তাব দেয় ।  হাইপারস্পেকট্রাল ইমেজিংয়ের চ্যালেঞ্জগুলি মিনাজি, সুলহরিয়া, বাবাখানি, কার্ডান "হাইপারস্পেকট্রাল ইমেজিতে সুপার রেজোলিউশন চ্যালেঞ্জস" -র উপস্থাপন করেছেন। হাইপারস্পেকট্রাল ইমেজিং ব্যবহার করে ল্যান্ডমাইন সনাক্তকরণের একটি সমীক্ষা ইহাব মক্কি উপস্থাপন করেছেন, এট আল  তাদের কাজকে কেন্দ্র করে। হাইপারস্পেকট্রাল ইমেজিং এবং বিভিন্ন গাণিতিক মিথ ব্যবহার করে ল্যান্ডমাইন সনাক্তকরণে কাজ করা হয়েছে হাইপারস্পেকট্রাল ডেটা ট্রিটমেন্টে ডিএস ব্যবহৃত হয়। "হাইপারস্পেকট্রাল ইমেজগুলির অনবোর্ড প্রেডিকটিভ কোডিংয়ের জন্য দ্রুত এবং লাইটওয়েট রেট কন্ট্রোল" ডিয়েগো ভ্যালেসিয়া এবং এনরিকো ম্যাগলি ।  দ্বারা দুর্দান্ত হার-বিকৃতির আলোকে স্পেসক্র্যাফ্টের জাহাজের হাইপারস্পেক্ট্রাল ইমেজগুলির সংক্ষেপণের জন্য প্রেডিকটিভ কোডিংয়ের উপর দৃষ্টি নিবদ্ধ রেখেছিলেন। পারফরম্যান্স এবং সাম্প্রতিক প্রকল্পগুলির স্বল্প জটিলতা পরবর্তী বিভাগে হাইপারস্পেকট্রাল ডেটা অধিগ্রহণের জন্য প্রযুক্তিগুলি বর্ণনা করা হয়েছে, তারপরে হাইপারস্পেকট্রাল ইমেজিংয়ের চ্যালেঞ্জ রয়েছে।

১. হাইপারস্পেকট্রাল ডেটা অধিগ্রহণের জন্য প্রযুক্তি: 

হাইপারস্পেকট্রাল কিউবের তিনটি মাত্রিক (x, y, λ) ডেটাসেট অর্জনের জন্য চারটি মৌলিক কৌশল ব্যবহৃত হয় ।  এখানে হাইপারস্পেকট্রাল ডেটা কিউব দুটি স্থানিক মাত্রার (x, y) এবং একটি অংশ হিসাবে দৃশ্যমান হয়েছে বর্ণালী মাত্রা ল্যাম্বডা (λ)। নির্দিষ্ট অ্যাপ্লিকেশন প্রযুক্তির উপর নির্ভর করে নির্বাচন করা হয়েছে । 

A: স্থানিক স্ক্যানিং: 

এই ধরণের প্রযুক্তিতে প্রতিটি দ্বিমাত্রিক সংবেদক আউটপুট একটি সম্পূর্ণ স্লিট বর্ণালী (x, λ) উপস্থাপন করে। চিত্র 4, দ্বি মাত্রিক হিসাবে দেখানো হয়েছে (x, λ) আউটপুট একটি সম্পূর্ণ স্লিট বর্ণালী উপস্থাপন করছে .স্লিট স্পেকট্রা হাইপারস্পেসট্রাল ইমেজিং ডিভাইসগুলি ব্যবহার করে একটি দৃশ্যের উপরে একটি প্রকল্প প্রেরণ করে এবং তারপর প্রিজম বা গ্রেটিং ব্যবহার করে স্লিট চিত্র ছড়িয়ে দিতে পারে। পুশ ঝাড়ু স্ক্যানার (লাইন স্ক্যান সিস্টেম) ব্যবহার করে প্রতিটি লাইন। লাইন স্ক্যান সিস্টেমে স্থানিক মাত্রা প্ল্যাটফর্মের চলন বা স্ক্যানিং ব্যবহার করে সংগ্রহ করা হয় যার জন্য স্থিতিশীল মাউন্টগুলি বা তথ্যের সঠিক নির্দেশককে নির্মাণের প্রয়োজন হয় চিত্রটি আবার । লাইন স্ক্যান সিস্টেমগুলি কনভেয়র বেল্টে চলমান উপকরণগুলি স্ক্যান করতে রিমোট সেন্সিংয়ে ব্যবহৃত হয় Point পয়েন্ট স্ক্যানিং (হুইস ঝাড়ু স্ক্যানার ব্যবহার করে) লাইন স্ক্যানিংয়ের একটি বিশেষ ক্ষেত্রে যেখানে দ্বি মাত্রিকের পরিবর্তে একটি মাত্রিক সংবেদক ব্যবহৃত হয় এবং অ্যাপারচারের মতো পয়েন্টটি একটি চিটের পরিবর্তে ব্যবহৃত হয়।

B: বর্ণালী স্ক্যানিং: 

এই ধরণের প্রযুক্তিতে প্রতিটি দ্বিমাত্রিক আউটপুট একক রঙিনকে উপস্থাপিত করে যা একরঙা স্থানিক (x, y) দৃশ্যের মানচিত্র। চিত্র 4-এ দেখানো হয়েছে, নীল রঙের জন্য চিত্রের একক বর্ণের মানচিত্র প্রদর্শিত হবে এই ধরণের স্ক্যানিংয়ের জন্য হাইপারস্পেকট্রাল ইমেজিং ডিভাইসগুলি ব্যবহৃত হচ্ছে সাধারণত ব্যান্ড পাস ফিল্টারগুলির উপর ভিত্তি করে যা হয় সুরযুক্ত বা স্থির হয় ।  দৃশ্যটি স্পষ্টত স্ক্যান করে ফিল্টার বিনিময় করে যেখানে প্ল্যাটফর্মটি অবশ্যই ব্যবহারযোগ্য হতে হবে । এই কৌশলটি ব্যবহারের সুবিধা সক্ষম হচ্ছেন দৃশ্যের দুটি স্থানিক মাত্রার প্রত্যক্ষ উপস্থাপনাযুক্ত বর্ণালী ব্যান্ডগুলি বেছে নেওয়ার জন্য। এই কৌশলটির অসুবিধা হ'ল বর্ণনামূলক বিচ্ছুরণ  দেখা দিতে পারে।  যদি দৃশ্যে আন্দোলন ঘটে বর্ণালী পারস্পরিক সম্পর্ক বা সনাক্তকরণকে বাতিল করে।

  Fig. 4 Technologies for Hyperspectral Data Acquisition

C: স্ন্যাপশট হাইপারস্পেকট্রাল ইমেজিং: 

স্ন্যাপশট হাইপারস্পেকট্রাল ইমেজিং নন স্ক্যানিং নামেও পরিচিত।এই ধরণের প্রযুক্তিতে একক দ্বি মাত্রিক সংবেদক আউটপুটে সমস্ত স্থানিক (x, y) এবং বর্ণাল (λ) ডেটা থাকে।চিত্র 4-তে দেখানো হয়েছে, একটি একক স্ন্যাপশট হায়ারস্পেকট্রাল ইমেজিংহীন স্ক্যানিং উপস্থাপন করে।একটি একক স্ন্যাপশট একটি ডেটা কিউব থেকে একটি ত্রি-মাত্রিক কাঠামো নির্মিত যা থেকে একটি দৃষ্টিকোণ প্রক্ষেপণ উপস্থাপন করে।এই ধরণের স্ক্যানিংয়ের জন্য হাইপারস্পেকট্রাল ইমেজিং ডিভাইসগুলি ব্যবহৃত হচ্ছে হাইপার পিক্সেল অ্যারে ক্যামেরা, স্ন্যাপশট চিত্র ম্যাপিং স্পেকট্রোমিটার। এই প্রযুক্তির সুবিধা হ'ল এই ধরণের প্রযুক্তিতে দৃশ্যের সমস্ত বর্ণালী এবং স্থানিক বৈশিষ্ট্যগুলি একক ফ্রেমে ক্যাপচার করা হয় যা উচ্চতর হালকা থ্রুপুট এবং সংক্ষিপ্ত অধিগ্রহণের সময়।এই কৌশলটির অসুবিধা হ'ল উচ্চ উত্পাদন ব্যয় এবং গণনার প্রচেষ্টা।

 Fig. 5 Images using different hyperspectral  technologies 

D:স্পাটিও বর্ণালী স্ক্যানিং:

এই ধরণের প্রযুক্তিতে প্রতিটি দ্বিমাত্রিক সেন্সর আউটপুট দৃশ্যের একটি রংধনু বর্ণের স্থানিক মানচিত্র উপস্থাপন করে।এই চিত্রটি ডুমুর ঘনক্ষেত্রের পাতলা তির্যক টুকরোগুলির একটি সিরিজ দেয় যা চিত্র 4 এ দেখানো হয়েছে।এখানে প্রতিটি চিত্র দুটি স্থানিক মাত্রার প্রতিনিধিত্ব করে যার মধ্যে একটি তরঙ্গদৈর্ঘ্য কোডযুক্ত।এই ধরণের স্ক্যান করার জন্য হাইপারস্পেকট্রাল ইমেজিং ডিভাইসগুলি একটি স্লিট স্পেকট্রোস্কোপের পিছনে কিছু নানজারো দূরত্বে একটি ক্যামেরা নিয়ে থাকে।নাম হিসাবে স্প্যাটিও বর্ণালী স্ক্যানিং দুটি ধরণের স্ক্যানিং স্থানিক এবং বর্ণালী মিশ্রিত করে এবং তাই এই দুটি কৌশলগুলির সম্মিলিত সুবিধা এবং অসুবিধা রয়েছে। এই কৌশলটি ব্যবহার করে করা চিত্রগুলি অনিয়মিত বা অপ্রত্যাশিত স্ক্যানিং চলাচলের জন্য মূল্যবান এবং উচ্চ স্থানিক এবং বর্ণালী রেজোলিউশনও দেয়। চিত্র 5-এ হাইপারস্পেকট্রাল ইমেজিংয়ের চারটি পৃথক কৌশলগুলির জন্য প্রাপ্ত চিত্রগুলি দেখায়। বাম থেকে ডানে, প্রথম চিত্রটিতে স্লিট বর্ণালী ব্যবহার করে স্পাটিয়াল স্ক্যানিং দেখানো হয়েছে যার দুটি মাত্রা (x, λ) রয়েছে দ্বিতীয় চিত্রটিতে বর্ণের জন্য একক রঙ ব্যবহার করে স্পেকট্রাল স্ক্যানিং দেখানো হয়েছে যা দৃশ্যের একরঙা স্থানিক (x, y) মানচিত্র। পরবর্তী ছবিতে স্ন্যাপশট স্ক্যানিংটি দেখানো হয়েছে যে এটি হাইপারস্পেরাল কিউবের প্রেক্ষাপট।এবং স্থানিক এবং বর্ণাল স্ক্যানিংয়ের শেষ চিত্রের সংমিশ্রণে প্রদর্শিত হয় যা স্পাটিও স্পেকট্রাল স্ক্যানিং।

২. হাইপারস্পেক্টরাল ইমেজিংয়ের প্রতিদ্বন্দ্বী

হাইপারস্পেকট্রাল ইমেজিং সিস্টেম হাইপারস্পেকট্রাল ইমেজ সরবরাহ করে যা বিভিন্ন তরঙ্গদৈর্ঘ্যে একই বস্তুর অসংখ্য স্থানিক চিত্র প্লেন নিয়ে গঠিত হয় ফলে হাইপারস্পেকট্রাল ইমেজ হাইপারস্পেকট্রাল সেন্সর দ্বারা সংগৃহীত স্থানিক চিত্রের সুপারিপজিশন ব্যবহার করে অর্জিত হয় যার ফলে হাইপারস্পিউব নামক একটি ত্রি-মাত্রিক ডেটা কিউব তৈরি হয়। এরপরে আরও বিশ্লেষণ ও চিত্রিত হয়েছে এই হাইপারকিউবটি অঞ্চল স্ক্যানিং, পয়েন্ট স্ক্যানিং এবং লাইন স্ক্যানিং ব্যবহার করে নির্মিত হয়েছে হাইপারস্পেকট্রাল ইমেজিং সিস্টেম দ্বারা প্রাপ্ত তথ্য স্থানিক এবং বর্ণালী তথ্য বহন করে স্থানিক এবং বর্ণালী রেজোলিউশন বর্ধিতকরণ বিভিন্ন অ্যাপ্লিকেশনের জন্য দুটি ভিন্ন পন্থা তবে সুপার রেজোলিউশন উন্নত মানের ফলাফলের জন্য এই দুটিতে প্রয়োজনীয়। হাইপারস্পেকট্রাল ইমেজিং সিস্টেমের অ্যাপ্লিকেশনগুলির উপর নির্ভর করে প্রচুর চ্যালেঞ্জ রয়েছে 

এই চ্যালেঞ্জগুলি নীচে সংক্ষিপ্ত করা হয়েছে: