Hiperspektral Görüntüleme
- FİGES AŞ
- MATLAB & SIMULINK
- Probleminizi Nasıl Çözeceğinizi Keşfedin
- Hiperspektral Görüntüleme
Hiperspektral Görüntüleme Nedir?
Hiperspektral görüntüleme, aynı anda çok sayıda dar dalga boyunda veri yakalamak için özel sensörler kullanan bir disiplindir. Hiperspektral veriler tipik olarak, her bir görüntünün onlarca veya yüzlerce dar dalga boyu aralığından veya spektral banttan birini temsil ettiği bir görüntü küpü olarak temsil edilir. Hiperspektral görüntüleme, tarımsal ürün sağlığı değerlendirmesi, çevresel bozulmanın izlenmesi ve doku patolojisi gibi uygulamalarda kullanılan bölgelerin veya nesnelerin spektral özelliklerinin ölçülmesini ve analiz edilmesini sağlar.
Bir dizi hiperspektral görüntü. Her görüntü çok sayıda dar dalga boyu aralığında çekilmiştir.
Hiperspektral Görüntüleme Nerelerde Kullanılır?
Hiperspektral görüntüleme, uzaktan algılama, gözetim, makine görüşü ve tıbbi görüntüleme gibi uygulamalarda, malzemeleri tanımlamak ve nesneleri, anormallikleri ve süreçleri tespit etmek amacıyla kullanılır. Örneğin, uzaktan algılamada hiperspektral görüntüleme, uydu veya hava görüntülerini kullanarak mineralleri, karasal bitki örtüsünü ve insan yapımı yapıları tespit etmeyi ve tanımlamayı içerir.
Tıbbi görüntülemede, doku yüzeylerinin hiperspektral görüntüleme analizi, doku patolojisi için aydınlatıcı tanısal bilgiler sağlayabilir.
Nottingham Üniversitesi‘nden hiperspektral görüntüler, doku yüzeyine ışık tutarak ve oksijen seviyelerini doğru bir şekilde ölçerek ve klinik araştırmacıların ve doktorların çalışmalarını kolaylaştırmak için oksijen doygunluğu haritaları oluşturarak elde edilmiştir.
Hiperspektral Görüntü İşleme Nasıl Çalışır?
Hiperspektral görüntüleme, hiperspektral görüntü sensörleri kullanarak bir dizi görüntünün yakalanması ve bunların üç boyutlu hiperspektral veri küpü olarak temsil edilmesiyle başlar. Bu veri küpü daha sonra, özellikle sınıflandırma, spektral eşleştirme ve karıştırma içeren iş akışları için çeşitli görüntü işleme algoritmaları kullanılarak analiz edilebilir ve işlenebilir.
Hiperspektral görüntülerde yer alan bilgilerin temsil edilmesi, analiz edilmesi ve yorumlanmasını içeren tipik bir hiperspektral görüntü işleme iş akışı.
Örneğin, yaygın bir hiperspektral görüntü işleme tekniği olan maksimum bolluk sınıflandırması (MAC), bir görüntüdeki pikselleri spektral imzalarına göre sınıflandırmak ve bunları uç üye sınıfı olarak da bilinen bir nesne veya bölge sınıfıyla ilişkilendirmek için kullanılır.
Dokuz uç üye sınıfına sahip bir hiperspektral görüntünün maksimum bolluk sınıflandırması kullanılarak oluşturulan bir bolluk haritası: Asfalt, Çayırlar, Çakıl, Ağaçlar, Boyalı metal levhalar, Çıplak toprak, Bitüm, Kendini engelleyen tuğlalar ve Gölgeler.
Diğer bir yaygın görev, bir bitki örtüsü bölgesinin hiperspektral görüntüsünün Normalleştirilmiş Fark Bitki Örtüsü İndeksi veya NDVI değerlerinin kullanılmasını ve bu bölgedeki bitki örtüsünün göreceli sağlığını ölçmek için bu değere bir eşik uygulanmasını içerir. NDVI değeri ne kadar yüksekse, o bölgedeki bitki örtüsü o kadar sağlıklı ve yoğundur.
En yüksek NDVI değerine sahip (en sağdaki) görüntü, yeşil renkte daha sağlıklı ve yoğun bitki örtüsüne sahip bölgeleri göstermektedir.
MATLAB ile Hiperspektral Görüntüleme
MATLAB®’daki Hiperspektral Görüntüleme Kütüphanesi, hiperspektral verilere erişim, ön işleme, analiz ve işleme için bir dizi işlev ve görselleştirme yeteneği sağlar.
Hyperspectral Viewer uygulaması, hiperspektral verilerin görselleştirilmesini ve etkileşimli olarak keşfedilmesini sağlar. Hiperspektral verilerin tek tek bantlarını gri ölçekli görüntüler olarak görüntüleyebileceğiniz gibi verilerin renkli kompozit gösterimlerini de görüntüleyebilirsiniz. Uygulama aynı zamanda hiperspektral veriyi oluşturan unsurların tanımlanmasını sağlayan spektral profillerin oluşturulmasına da olanak tanır.
Hiperspektral verileri ve spektral profilleri görselleştirmek için Hyperspectral Viewer uygulaması.
Hiperspektral Görüntüleme Kütüphanesi, hiperspektral verilerin ön işlenmesi, analiz edilmesi ve yorumlanması için yerleşik işlevler içerir. Boyut azaltma, spektral karıştırma, spektral eşleştirme ve bant seçimi, uç üye çıkarma, bolluk haritası tahmini, NDVI ve anomali tespiti gibi tekniklerle sınıflandırma için iş akışlarını destekler.
Spektral karıştırma için son üye çıkarımı ve bolluk haritası tahmini.
MATLAB, hiperspektral görüntüleme iş akışlarını destekleyen veri keşfi, görselleştirme ve algoritma geliştirme araçları sağlar. Buna ek olarak, Image Processing Toolbox™ hiperspektral görüntüleme verileriyle kullanabileceğiniz kapsamlı bir referans-standart algoritma seti sağlar.
Örnekler ve Nasıl Yapılır
Yazılım Referansı
- Hiperspektral Görüntü Kütüphanesi
- Hiperspektral Görüntü İşleme – Dokümantasyon