נושא הפרוייקט

מספר פרוייקט מחלקה שמות סטודנטים אימייל שמות מנחים

הערכת מימדיות של רקעים היפרספקטרליים

Dimensionality Evaluation of Hyperspectral Backgrounds

תקציר בעיברית

עיבוד תמונה הוא תחום רחב ומתפתח בעולם אשר משפיע על ענפים שונים. באמצעות אלגוריתמים שמפתחים ומניפולציות שמבצעים על תמונות מרובות ממדים ניתן לפתח כלים שונים במטרה לזהות מטרות, לסווג אובייקטים ולגלות שינויים.

במחקר ניסינו להבין האם ניתן להפחית משמעותית את כמות הממדים של תמונה היפר ספקטרלית עבור רקעים שונים מבלי לאבד את המידע הרב שהתמונה מכילה. בנוסף בדקנו איך צמצום הממדים משפיע על יכולת זיהוי המטרה.

תחילה, ניסינו למצוא קריטריון אשר יגדיר את כמות הממדים הנלקח מרקע מסוים. את הקריטריונים השונים בחנו על גבי מספר בסיסי נתונים. לאחר שקבענו קריטריון לממדיות, בחנו את יכולת זיהוי המטרות על התמונה עם כמות ממדים מצומצמת ומלאה והשווינו את התוצאות.

הממדיות שהתקבלה עבור רקעים שונים באמצעות הקריטריון שבחרנו אכן הייתה קטנה משמעותית מכמות הממדים הכוללת בתמונה. הקורלציה בין הרקעים השונים בתמונה לבין הממדיות שנבחרה לכל אזור הייתה גבוהה. ראינו שיכולת זיהוי המטרות אכן נפגעה מעט, אך הירידה בתוצאות הגילוי לעומת כמות הממדים שהורדה מהתמונה הייתה זניחה.

לאחר ביצוע הניסוי על מגוון רחב של תמונות הגענו למסקנה כי אכן ניתן לאפיין ממדיות של רקעים שונים עם איבוד מינימלי של מידע.



מילות מפתח: עיבוד תמונה רב מימדית, חתימה ספקטרלית, שערוך ספקטרלי, אלגוריתם MF, זיהוי וגילוי מטרות ושינויים, Spectral dimensionality, עקומת ROC, PCA.

תקציר באנגלית

Image processing is a wide and developing field in the world that affects different industries. Using algorithms that are developed and manipulations that are performed on multi-dimensional images, it is possible to develop different tools to identify targets, classify objects and detect changes.

In our research, we tried to understand whether it is possible to significantly reduce the amount of dimensions of a hyperspectral image for different backgrounds without losing the important information that the image contains. In addition, we examined how the reduction of dimensions affects the ability to identify the target.

First, we tried to find a criterion that would define the amount of dimensions taken from a certain background. We examined the various criteria on several databases. After establishing a criterion for dimensionality, we tested the ability to identify the targets on the image with a limited and full amount of dimensions and compared the results.

The dimensionality obtained for different backgrounds using the criteria we chose was indeed significantly smaller than the total amount of dimensions in the image. The correlation between the different backgrounds in the image and the dimensionality chosen for each area was high. We saw that the ability to detect the targets was indeed slightly impaired, but the decrease in the detection results compared to the number of dimensions that were removed from the image was negligible.

After performing the experiment on a wide variety of images, we concluded that it is indeed possible to characterize the dimensions of different backgrounds with minimal loss of information.



Index Terms:  Hyperspectral Image-Processing, spectral image analysis, spectral signature, M.F, ROC curve, target and change detection, Spectral dimensionality, PCA, dimensionality evaluation.