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

ページ内をすべて折りたたむ

    構文

    score = sid(inputData,refSpectra)
    score = sid(testSpectra,refSpectra)

    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。

    例

    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、Hyperspectral Imaging Library for Image Processing Toolbox™ が必要です。Hyperspectral Imaging Library for Image Processing Toolbox 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。

    Hyperspectral Imaging Library for Image Processing Toolbox は、MATLAB® Online™ および MATLAB Mobile™ によってサポートされないため、デスクトップの MATLAB が必要です。

    例

    例

    すべて折りたたむ

    この例では次を使用します。

    ライブ スクリプトを開く

    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 = imhypercube("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 object. The axes object with xlabel Band Number, ylabel Data Value 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。

    datacube = gather(hcube);
score = zeros(size(datacube,1),size(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 objects. Hidden axes object 1 with title RGB Image of Hyperspectral Data contains an object of type image. Hidden axes object 2 with title Indices of Matching Endmembers contains an object of type image.

    この例では次を使用します。

    ライブ スクリプトを開く

    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 = imhypercube("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、最大スコアをもつテスト 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: "+minval)
annotation("textarrow",[0.6 0.6],[0.4 0.55],String="Max score: "+maxval)
xlabel("Band Number")
ylabel("Data Values")

    Figure contains an axes object. The axes object with title Similarity Between Spectra, xlabel Band Number, ylabel Data Values 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。

    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

    制限

    この関数は、パフォーマンスが既に最適化されているため、parfor ループをサポートしません。 (R2023a 以降)

    アルゴリズム

    関数 sid は、基準スペクトル refSpectra とテスト スペクトル testSpectra を正規化し、次の式を使用して SID 値を計算します。

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

    q および p は、それぞれ正規化された基準スペクトルとテスト スペクトルのベクトルです。qi および pi は、それぞれベクトル q および p の i 番目の要素です。C は、ベクトル q および p の長さです。

    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.

    バージョン履歴

    R2020a で導入

    参考

    | | | |