Квантование векторного пространства спектральных признаков с сохранением ячейки квантования в форме гиперкуба

Тип разработки: 
Программа
Регистрационный номер в ФАП: 
PR14019
Дата регистрации в ФАП: 
2014-12-31
Тематическая направленность: 
Классификация многомерных наблюдений
Разработчики программы (базы данных): 
Аннотация: 

Назначение - программа предназначена для квантования и сокращения размерности векторного пространства спектральных признаков изображения.

Область применения - для сокращения размерности данных в химии, биологии, медицине, в производственных процессах для исследования поверхности металлов и др., в сельском хозяйстве, лесоводстве при  автоматизации классификации сельскохозяйственных культур, лесных угодий при картировании, инвентаризации, оценке площадей, прогнозирования урожая и других.

Используемый алгоритм - Данные дистанционного зондирования Земли могут иметь большой объем и размерность (число спектральных каналов). Актуальной является задача предварительного сокращения этого объема, например,  в задачах кластеризации или классификации. Обычно каждый спектральный канал представлен 8-битовым машинным словом, т.е. уровень серого тона может пробегать целочисленные значения от 0 до 256. Квантование означает, что размер ячейки квантования увеличивается с уменьшением числа уровней квантования, благодаря этому исходные вектора объединяются. При этом число уровней квантования по каждому каналу может быть разным. Чтобы определить их соотношение, строится ковариационная матрица спектральных векторов данных, затем определяются собственные значения матрицы. Для нахождения собственных чисел и векторов ковариационной матрицы векторов признаков используется метод Якоби [1].  При квантовании для меньшей потери информации ячейка квантования в собственном пространстве (ортонормированном) векторов  должна оставаться гиперкубической. При этом условии разброс данных по каждому направлению, определяемый соответствующим собственным числом, должен быть пропорционален числу уровней квантования. Сохраняя число уровней серого по каждой оси собственного пространства  целым числом от 0 до 255, мы получим максимально возможное число уровней равным 256 и минимальное для задач классификации 2. Учитывая вышесказанное, если отношение какого-либо собственного числа к максимальному меньше 1/128, то соответствующая ось собственного пространства может не рассматриваться. Для задачи кластеризации часто требуется максимальное число уровней квантования существенно меньшее 256, поэтому число отсеченных осей возрастет. Соответственно размерность пространства, связанная таким образом с детальностью рассмотрения, уменьшится [2]. Исходное изображение данной программой переписывается в новой системе координат собственного пространства в виде raw-файла.           

Описание применения для сокращения размерности  и кластеризации [3] по картированию промышленных загрязнений [4] на сайте http://loi.sscc.ru/lab/WEBLAB/InfresLab2013/sidorova_pollution.htm. Рассматривалось изображение Омской области (около 57 Мбайт)  в семи спектральных каналах со спутника ИСЗ  “ Landsat-8” (разрешение 15 м, получен 08.02.2014). Предварительно было осуществлено сокращение  размерности векторного пространства спектральных признаков с семи до трех. Этого оказалось  достаточно для требуемой детальности кластеризации. Детальность, различная по полученным кластерам,  определялась делимым иерархическим гистограммным  алгоритмом [3] для предельной отделимости кластеров d=0.15  (0<d<1).

1.     Н.Н. Калиткин. Численные методы.  под ред. А.А. Самарского. Москва “Наука” 512 с  1978.

2.     V.S. Sidorova. Contextual Clustering Multispectral Data of Remote Sensing the Earth. Труды Международной научной  конференции. “Актуальные проблемы вычислительной и прикладной математики 2014” Июнь 8-11, 2014, Академгородок, Новосибирск, Россия. С. 108.

3.     V.S. Sidorova. Detecting Clusters of Specified Separability for Multispectral Data on Various Hierarchical Levels. Pattern Recognition and Image Analysis, 2014, Vol. 24, No. 1, pp. 151–155.         (SCOPUS)

4.     Программа фундаментальных исследований по стратегическим направлениям развития науки Президиума РАН № 43.

Функциональные возможности - Принципиальных ограничений на память программа не имеет. Только объем памяти используемого компьютера может ограничить размер обрабатываемого файла. Обработка изображения производится при построчном сканировании его. 

Инструментальные средства создания - Алгоритм реализован в программной среде системы объектно-ориентированного программирования Visual C++ версии 5.0 фирмы Microsoft c библиотекой классов MFC, разработанной для ОС Windows.

Использованные при разработке материалы: 
VisualC++ версии 5.0 фирмы Microsoft
Признак доступности программы (базы данных): 
доступ по запросу
Требования к аппаратным и программным средствам: 

ОС Windows
1.6 ГГц 512 МБ
BMP файлы, raw-файлы

Контактная информация: 
vsidorova@inbox.ru, svs@ooi.sscc.ru