Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

sid

スペクトル情報発散を使用したスペクトルの類似度の評価

    説明

    score = sid(inputData,refSpectra) はスペクトル情報発散 (SID) 手法を使用して、ハイパースペクトル データ inputData 内の各ピクセルのスペクトルと、指定した基準スペクトル refSpectra の間のスペクトルの類似度を評価します。この構文を使用して、ハイパースペクトル データ キューブ内で異なる領域または物質を特定します。

    score = sid(testSpectra,refSpectra) は SID 法を使用して、指定したテスト スペクトル testSpectra と基準スペクトル refSpectra の間のスペクトルの類似度を評価します。この構文を使用して、未知の物質のスペクトル シグネチャを基準スペクトルと比較したり、2 つのスペクトル シグネチャ間のスペクトルのばらつきを計算したりします。

    メモ

    この関数には Image Processing Toolbox™ Hyperspectral Imaging Library が必要です。Image Processing Toolbox Hyperspectral Imaging Library はアドオン エクスプローラーからインストールできます。アドオンのインストールの詳細については、アドオンの入手と管理を参照してください。

    すべて折りたたむ

    各ピクセル スペクトルとデータ キューブのエンドメンバー スペクトルのスペクトル情報発散 (SID) を計算して、ハイパースペクトル データ キューブ内の異なる領域を識別します。

    ハイパースペクトル データをワークスペースに読み取ります。

     hcube = hypercube('jasperRidge2_R198.hdr');

    データ キューブ内の識別対象のスペクトル的に異なるバンドの数を指定します。

    numEndmembers = 7;

    N-FINDR アルゴリズムを使用してデータ キューブからエンドメンバーのスペクトル シグネチャを抽出します。

    endmembers = nfindr(hcube,numEndmembers);

    エンドメンバーのスペクトル シグネチャをプロットします。

    figure  
    plot(endmembers)   
    xlabel('Band Number')
    ylabel('Data Value')
    legend('Location','Bestoutside')

    Figure contains an axes. The axes contains 7 objects of type line.

    各エンドメンバーとデータ キューブ内の各ピクセルのスペクトルの間でスペクトル情報発散を計算します。

    score = zeros(size(hcube.DataCube,1),size(hcube.DataCube,2),numEndmembers);
    for i= 1:numEndmembers
        score(:,:,i) = sid(hcube,endmembers(:,i));
    end

    すべてのエンドメンバーについて、ピクセル スペクトルごとに取得した距離スコアから最小スコア値を計算します。それぞれの最小スコアのインデックスは、ピクセル スペクトルが最大の類似度を示すエンドメンバー スペクトルを識別します。スコア行列内の空間位置 (x, y) におけるインデックス値 n は、データ キューブ内の空間位置 (x, y) におけるピクセルのスペクトル シグネチャが、n 番目のエンドメンバーのスペクトル シグネチャに最適に一致することを示しています。

    [~,matchingIndx] = min(score,[],3);

    関数 colorize を使用してハイパースペクトル データ キューブの RGB イメージを推定します。RGB イメージおよび一致したインデックス値の行列の両方を表示します。

    rgbImg = colorize(hcube,'Method','RGB');
    figure('Position',[0 0 1100 500])
    subplot('Position',[0 0.2 0.4 0.7])
    imagesc(rgbImg)
    axis off
    colormap default
    title('RGB Image of Hyperspectral Data')
    subplot('Position',[0.5 0.2 0.4 0.7])
    imagesc(matchingIndx);
    axis off
    title('Indices of Matching Endmembers')
    colorbar

    Figure contains 2 axes. Axes 1 with title RGB Image of Hyperspectral Data contains an object of type image. Axes 2 with title Indices of Matching Endmembers contains an object of type image.

    ハイパースペクトル データをワークスペースに読み取ります。

    hcube = hypercube('jasperRidge2_R198.hdr');

    N-FINDR 法を使用して、ハイパースペクトル データ キューブの 10 個の エンドメンバーを求めます。

    numEndmembers = 10;
    endmembers = nfindr(hcube,numEndmembers);

    最初のエンドメンバーを基準スペクトル、残りのエンドメンバーをテスト スペクトルと見なします。基準スペクトルと テスト スペクトル間の SID スコアを計算します。

    score = zeros(1,numEndmembers-1);
    refSpectrum = endmembers(:,1);
    for i = 2:numEndmembers
        testSpectrum = endmembers(:,i);
        score(i-1) = sid(testSpectrum,refSpectrum);
    end

    基準スペクトルに対して類似度が最大 (距離が最小) となるテスト スペクトルを求めます。次に、基準スペクトルに対して類似度が最小 (距離が最大) となるテスト スペクトルを求めます。

    [minval,minidx] = min(score);
    maxMatch = endmembers(:,minidx);
    [maxval,maxidx] = max(score);
    minMatch = endmembers(:,maxidx);

    基準スペクトル、類似度が最大のテスト スペクトル、および最小のテスト スペクトルをプロットします。最小スコアを持つテスト スペクトルは、基準エンドメンバーに対する類似度が最大となります。一方、最大スコアを持つテスト スペクトルはスペクトルのばらつきが最も大きく、2 つの異なる物質のスペクトル挙動の特徴を示しています。

    figure
    plot(refSpectrum)
    hold on
    plot(maxMatch,'k')
    plot(minMatch,'r')
    legend('Reference spectrum','Minimum match test spectrum','Maximum match test spectrum',...
           'Location','Southoutside');
    title('Similarity Between Spectra')
    annotation('textarrow',[0.3 0.3],[0.4 0.52],'String',['Min score: ' num2str(minval)])
    annotation('textarrow',[0.6 0.6],[0.4 0.55],'String',['Max score: ' num2str(maxval)])
    xlabel('Band Number')
    ylabel('Data Values')

    Figure contains an axes. The axes with title Similarity Between Spectra contains 3 objects of type line. These objects represent Reference spectrum, Minimum match test spectrum, Maximum match test spectrum.

    入力引数

    すべて折りたたむ

    入力ハイパースペクトル データ。データ キューブを含む hypercube オブジェクトまたは 3 次元数値配列として指定します。入力が hypercube オブジェクトの場合、データはそのオブジェクトの DataCube プロパティから読み取られます。

    テスト スペクトル。C 要素ベクトルとして指定します。テスト スペクトルは未知の領域または物質のスペクトル シグネチャです。

    データ型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

    基準スペクトル。C 要素ベクトルとして指定します。基準スペクトルは既知の領域または物質のスペクトル シグネチャです。この関数はテスト スペクトルとこれらの値を照合します。

    データ型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

    出力引数

    すべて折りたたむ

    SID スコア。スカラーまたは行列として返されます。出力は以下のようになります。

    • スカラー — 入力引数 testSpectra を指定した場合。関数はテスト スペクトル シグネチャと基準スペクトル シグネチャを照合し、スカラー値を返します。テスト スペクトルと基準スペクトルはともに同じ長さのベクトルでなければなりません。

    • 行列 — 入力引数 inputData を指定した場合。関数はデータ キューブ内の各ピクセルのスペクトル シグネチャと基準スペクトル シグネチャを照合し、行列を返します。データ キューブのサイズが M x N x C で、基準スペクトルが長さ C のベクトルである場合、出力行列のサイズは M 行 N 列です。

    SAM スコアが小さくなるほど、テスト シグネチャと基準シグネチャが強く一致することを示します。

    データ型: single | double

    詳細

    すべて折りたたむ

    スペクトル情報発散

    スペクトル情報発散 (SID) 法では、2 つのスペクトルの確率分布の発散に基づいてスペクトルの類似度を計算します。r および t をそれぞれ基準スペクトルとテスト スペクトルとします。基準スペクトルの分布値を次のように計算します。

    qi=rii=1Cri.

    テスト スペクトルの分布値を次のように計算します。

    pi=tii=1Cti.

    次に、基準スペクトルとテスト スペクトルの確率分布を使用して SID 値を計算します。

    SID=i=1Cpilog(piqi)+i=1Cqilog(qipi).

    参照

    [1] Chein-I Chang. “An Information-Theoretic Approach to Spectral Variability, Similarity, and Discrimination for Hyperspectral Image Analysis.” IEEE Transactions on Information Theory 46, no. 5 (August 2000): 1927–32. https://doi.org/10.1109/18.857802.

    R2020a で導入