1.1 - Verbesserung der Entmischung hyperspektraler Bilder durch den Einbezug räumlicher Information
- Event
- AHMT 2014 - Symposium des Arbeitskreises der Hochschullehrer für Messtechnik
2014-09-18 - 2014-09-20
Saarbrücken - Chapter
- Modellgestützte Messdatenanalyse
- Author(s)
- S. Bauer, J. Stefan, M. Michelsburg, F. Puente León - Institut für Industrielle Informationstechnik, Karlsruher Institut für Technologie, Karlsruhe/D
- Pages
- 7 - 14
- DOI
- 10.5162/AHMT2014/1.1
- Price
- free
Abstract
Im Gegensatz zu Grauwert- oder RGB-Bildern enthalten hyperspektrale Bilder statt ein bzw. drei Farbkanälen bis zu mehrere hundert Farbkanäle. Damit existiert bei allen betrachteten Wellenlängen eine vollständige Abbildung einer Szene. Aus diesem Grund ist hyperspektrale Bildverarbeitung auch als bildgebende Spektroskopie bekannt; interpretiert man das hyperspektrale Bild auf eine andere Art, liegt pro Pixel ein vollständiges Spektrum vor. Da viele Materialien eine charakteristische spektrale Signatur besitzen, ermöglicht die Ausnutzung der spektralen Information auch die Bestimmung der in einer Szene enthaltenen
Materialien und ihre relativen Anteile (sogenanntes spektrales Entmischen oder auch Spectral Unmixing). Durch die Nutzung dieses optischen Messverfahrens lassen sich beispielsweise industrielle Sortierprozesse verbessern oder werden gar erst ermöglicht.
Es werden unüberwachtes und überwachtes Entmischen unterschieden: Beim überwachten Entmischen sind die spektralen Signaturen der Reinstoffe bekannt, während diese beim unüberwachten Entmischen im Prozess mitbestimmt werden müssen. Im Allgemeinen erfolgt die Entmischung pixelweise. Erst in den letzten Jahren wurden vermehrt Algorithmen vorgestellt [1, 2], die auch die räumliche Nachbarschaft der Pixel berücksichtigen und damit die Entmischungsresultate verbessern, da sich die Materialanteile von Pixel zu Pixel meist nur wenig unterscheiden. Dadurch lassen sich die durch Messfehler und -rauschen auftretenden Fehler verringern.
In dieser Arbeit werden unterschiedliche Algorithmen untersucht, die durch den Einbezug räumlicher Information den unüberwachten Entmischungsprozess verbessern. Zum einen wurde basierend auf dem in [3] vorgestellten Ansatz ein Algorithmus entwickelt, der nicht nur konstante, sondern auch lineare Übergänge in den Materialanteilen von einem Pixel zu seinen Nachbarn modelliert. Der in [3] beschriebene Algorithmus fußt auf der Minimierung der Total Variation (interpretierbar als Approximation der ersten Ableitung) [4], während die Neuentwicklung die zweite Ableitung der Anteils- Pixelübergänge minimiert. Zum anderen wurde aufgrund des hohen Rechenaufwands bei der Berechnung der beiden vorgenannten Ansätze die räumliche Information nicht direkt in den Entmischungsprozess integriert, sondern implizit durch das Einfügen von Zwischenschritten in der Berechnung berücksichtigt. Dies geschieht durch die Anwendung einiger aus der klassischen Bildverarbeitung bekannten Bildglättungsverfahren. Dadurch wird eine signifikante Rechenzeitersparnis realisiert, allerdings hängt das Ergebnis auch wesentlich von der Parameterwahl ab. Sowohl der direkte als auch der implizite Ansatz verbessern durch den Einbezug räumlicher Information die Entmischungsergebnisse zum Teil deutlich. Dies wird anhand von real aufgenommenen Daten demonstriert. Die aufgezeichneten Bildspektren stammen von speziell angefertigten Mischungen weißer Pulver. Auch auf die problemangepasste Vorverarbeitung der aufgezeichneten Bildspektren wird eingegangen.