Προκαταρτική Μελέτη πάνω στη διαφοροποίηση υλικών πεζοδρομίων σε σκιασμένα υπερφασματικά εικονοστοιχεία σε κεντρικές αστικές περιοχές
Από RemoteSensing Wiki
Αντικείμενο
Σκοπός της εργασίας είναι η εξαγωγή μιας αξιόπιστης εκτίμησης της ανακλαστικότητας αντικειμένων της αστικής περιοχής, που δε φωτίζονται αρκετά,
Μεθοδολογία
Στην εργασία χρησιμοποιήθηκε ο αισθητήρας ROSIS (Reflective Optics System Imaging Spectrometer) με 103 κανάλια , εύρους 430-850nm. Στην αερομεταφερόμενη πλατφόρμα, που πέταξε σε ύψος 1890 μέτρων, υπήρχε και το όργανο DAIS. Το αποτέλεσμα αυτών, ήταν 4 λωρίδες δεδομένων για κάθε αισθητήρα, εύρους 512 pixels και χωρική ανάλυση 1.5m για τον DAIS και 1m για τον ROSIS. Ένας απλός αλγόριθμος ταξινόμησης k-means για 5 τάξεις, σε ένα δείγμα εικόνας του ROSIS, διαστάσεων 512x1000, έδειξε πως το 20.5% του συνόλου των εικονοστοιχείων είναι σκιασμένα. Μετά από εκτεταμένη επίγεια έρευνα κατηγοριοποιήθηκαν τα διαφορετικά υλικά πεζοδρομίων που φαίνονται στις σκιασμένες περιοχές των εικόνων. Τα υλικά που βρέθηκαν είναι τα ακόλουθα: βοτσαλωτό πεζοδρόμιο, κονίαμα από δύο είδη γρανίτη, κονίαμα σχιστόλιθου, πορφύρα σε μικρούς κύβους και άσφαλτος. Εν συνεχεία, έγινε έρευνα για όλες τις παραπάνω κατηγορίες σε σκιασμένα και φωτισμένα εικονοστοιχεία. Χρησιμοποιήθηκαν κλασικοί αλγόριθμοι ταξινόμησης για τη διεξαγωγή των ερευνών. Αυτοί ήταν οι Mahalanobis Distance(MHD), Maximum Likelihood(ML), Minimum Distance(MD) και Spectral Angle Mapper (SAM). H πρώτη προσπάθεια είχε σκοπό τον εντοπισμό ενός σημείου αναφοράς, ταξινομώντας κατευθείαν τα σκιασμένα εικονοστοιχεία, όμως τα αποτελέσματα ήταν φτωχά. Η καλύτερη ακρίβεια που επετεύχθη ήταν για το υλικό της πορφύρας με 77%, με εξαιρετικά υψηλό όμως σφάλμα (commission error rate: 200%). Προς χάριν συγκρίσεως, τα φωτισμένα εικονοστοιχεία πέτυχαν ακρίβεια της τάξης του 85% με δείκτη k=0.804 για τον MHD, 88% με k=0.841 για τον ML, 76% με k=0.686 για τον MD, 39% με k=0.304 για τον SAM. Τα φτωχά αποτελέσματα για τον MD και τον SAM προτείνουν ένα μη ασήμαντο σχήμα των κατηγοριών (non-trivial shape of clusters). Το επόμενο βήμα ήταν η ανάλυση των φασματικών καμπυλών των σκιασμένων εικονοστοιχείων, ώστε να αποφασιστεί με οπτικό τρόπο ποιες κατηγορίες θα μπορούσαν να συγχωνευτούν λόγω ομοιότητας, σε μια προσπάθεια να αποκτηθεί ακρίβεια στην ταξινόμηση. Έτσι, δημιουργήθηκαν τελικώς δύο κατηγορίες με τις ονομασίες HDN και LDN, με συνέπεια τη μείωση του αριθμού των κατηγοριών στη μέση, αλλά το διπλασιασμό του αριθμού των εικονοστοιχείων για κάθε κατηγορία. Με τα νέα δεδομένα, υλοποιήθηκε ταξινόμηση, χρησιμοποιώντας τους κλασικούς αλγόριθμους. Αυτή τη φορά τα αποτελέσματα ακρίβειας ήταν τα εξής: 75% με k=0.621 για τον MHD, 73% με k=0.598 για τον ML, 73% με k=0.599 για τον MD και 38% με k=0.26 για τον SAM.
Αποτελέσματα
Σε αυτή την εργασία περιγράφηκε η προσπάθεια εξερεύνησης σκιασμένων εικονοστοιχείων, με σκοπό την εξαγωγή χρήσιμης πληροφορίας που περιέχονται σε αυτά, για την ταξινόμησή τους. Μετά τη συλλογή των δεδομένων, έγιναν ταξινομήσεις ξεχωριστά για τα φωτισμένα και σκιασμένα εικονοστοιχεία. Η ανάλυση των φασματικών τους διαγραμμάτων ανέδειξε κάποιες ομοιότητες σε κάποιες από τις κατηγορίες. Οι όμοιες κατηγορίες συγχωνεύτηκαν και έγινε νέα ταξινόμηση με βελτίωση της ακρίβειας σε όλα τα επίπεδα, εκτός από τον SAM.
Συμπεράσματα
Τα αποτελέσματα φαίνεται να δείχνουν ότι είναι δυνατό να ανταλλάξουμε την ακρίβεια ορισμένων τάξεων για λόγους ορθότητας, δηλαδή με το να εγκαταλειφθεί η διακριτική ικανότητα ορισμένων κατηγοριών, είναι δυνατή η μετάβαση από άχρηστες ταξινομήσεις σε λογικές, εκμεταλλευόμενοι την περιορισμένη ποσότητα των πληροφοριών που είναι ακόμα διαθέσιμη για τα σκιασμένα εικονοστοιχεία με χαμηλό SNR. Μια μελλοντική εργασία θα έχει ως στόχο τον διαχωρισμό των σκιασμένων εικονοστοιχείων που είναι πολωμένα, λόγω συμβολής της διάχυσης από τα γειτονικά, φωτιζόμενα εικονοστοιχεία. Αυτή πιστεύεται ότι είναι η κύρια αιτία αλλοίωσης του αποτελέσματος της ταξινόμησης: στενές λωρίδες μετά το περίγραμμα κτιρίων είναι το πιο συχνό σχήμα των ομάδων των σκιασμένων εικονοστοιχείων, εκ των οποίων κανένα δεν είναι αρκετά μακριά από το όριο για να επηρεαστεί από τα φωτισμένα εικονοστοιχεία.
Πηγή: Dell’Acqua F., Gamba P., & Trianni G., 2005. A PRELIMINARY STUDY ON SEPARABILITY OF PAVING MATERIALS IN SHADOWED HYPERSPECTRAL PIXELS FROM A CENTRAL URBAN AREA. ISPRS Archives – Volume XXXVI-8/W27, Joint Symposia URBAN - URS, March 14-16 2005, Tempe, AZ, USA
