spectralMatch

スペクトルライブラリを使用した未知の領域または物質の識別

構文

score = spectralMatch(libData,hcube)

score = spectralMatch(libData,reflectance,wavelength)

score = spectralMatch(___,Name=Value)

説明

score = spectralMatch(libData,hcube) は、各ピクセルのスペクトルシグネチャを ECOSTRESS スペクトルライブラリ libData から読み取ったスペクトルデータと照合し、ハイパースペクトルデータ内の領域を識別します。

例

score = spectralMatch(libData,reflectance,wavelength) は、reflectance および wavelength として指定された分光反射率値を ECOSTRESS スペクトルライブラリ libData で入手できる値と照合し、領域または物質を識別します。

例

score = spectralMatch(___,Name=Value) は、前の構文の入力引数から成る任意の組み合わせに加えて、1 つ以上の名前と値の引数を使用してオプションを指定します。

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

すべて折りたたむ

スペクトルマッチングを使用したハイパースペクトルデータ内の植生領域のセグメント化

この例では次を使用します。

ライブスクリプトを開く

スペクトルマッチング法では、ハイパースペクトルデータキューブ内にある各ピクセルのスペクトルシグネチャを、ECOSTRESS スペクトルファイルの植生の基準スペクトルシグネチャと比較します。

ECOSTRESS スペクトルライブラリから植生のスペクトルシグネチャを読み取ります。

filename = "vegetation.tree.tsuga.canadensis.vswir.tsca-1-47.ucsb.asd.spectrum.txt";
libData = readEcostressSig(filename);

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("paviaU.hdr");

基準スペクトルに対する、ハイパースペクトルデータピクセルのスペクトルの距離スコアを計算します。

score = spectralMatch(libData,hcube);

距離スコアを表示します。距離スコアの小さいピクセルは基準スペクトルと強く一致するため、植生領域に属している可能性が高くなります。

imagesc(score)
colorbar

Figure contains an axes object. The axes object contains an object of type image.

植生領域に対応する距離スコアを検出するためのしきい値を定義します。

threshold = 0.3;

しきい値を適用してバイナリイメージを作成します。値が 1 のバイナリイメージ内の領域は、距離スコアがしきい値未満のデータキューブ内の植生領域に対応します。その他のすべてのピクセルは値が 0 になります。

bw = score < threshold;

バイナリイメージ内の最大強度の領域のインデックスを使用して、ハイパースペクトルデータキューブの植生領域をセグメント化します。

datacube = gather(hcube);
T = reshape(datacube,[size(datacube,1)*size(datacube,2) size(datacube,3)]);
Ts = zeros(size(T));
Ts(bw == 1,:) = T( bw==1 ,:);
Ts = reshape(Ts,[size(datacube,1) size(datacube,2) size(datacube,3)]);

セグメント化された植生領域のみを含む新しい hypercube オブジェクトを作成します。

segmentedDataCube = imhypercube(Ts,hcube.Wavelength);

colorize 関数を使用して、元のデータキューブとセグメント化されたデータキューブの RGB カラーイメージを推定します。

rgbImg = colorize(hcube,Method="rgb",ContrastStretching=true);
segmentedImg = colorize(segmentedDataCube,Method="rgb",ContrastStretching=true);

関数 imoverlay を使用して、元のデータキューブの RGB バージョンにバイナリイメージを重ね合わせます。

B = imoverlay(rgbImg,bw,"Yellow");

元のデータキューブとセグメント化されたデータキューブの RGB カラーイメージ、および重ね合わせたイメージを表示します。セグメント化されたイメージには、元のデータキューブからセグメント化された植生領域のみが含まれています。

figure
montage({rgbImg,segmentedImg,B},Size=[1 3])
title("Original Image | Segmented Image | Overlaid Image")

Figure contains an axes object. The hidden axes object with title Original Image | Segmented Image | Overlaid Image contains an object of type image.

スペクトルマッチングを使用した未知のスペクトルシグネチャの識別

この例では次を使用します。

Hyperspectral Imaging Library for Image Processing Toolbox Hyperspectral Imaging Library for Image Processing Toolbox

ライブスクリプトを開く

ECOSTRESS スペクトルライブラリから基準スペクトルシグネチャを読み取ります。このライブラリは、人工物質、土壌、水、植生に属する 15 のスペクトルシグネチャで構成されています。出力は、ECOSTRESS ライブラリファイルから読み取ったスペクトルデータを格納する構造体配列です。

dirname = fullfile(matlabroot,"toolbox","images","supportpackages","hyperspectral","hyperdata","ECOSTRESSSpectraFiles");
libData = readEcostressSig(dirname);

未知の物質の反射率と波長値を含む .mat ファイルをワークスペースに読み込みます。反射率値と波長値を合わせてテストスペクトルが構成されます。

load spectralData.mat reflectance wavelength

スペクトル情報発散 (SID) 法を使用して、基準スペクトルとテストスペクトルの間のスペクトルの一致を計算します。関数は、帯域幅がテストスペクトルと重なり合う基準スペクトルのみの距離スコアを計算します。その他のスペクトルにはすべて警告メッセージが表示されます。警告メッセージはオフにできます。

warning off
score = spectralMatch(libData,reflectance,wavelength,Method="SID");

テストスペクトルの距離スコアを表示します。距離スコアの小さいピクセルは基準スペクトルと強く一致します。距離スコア値 NaN は、対応する基準スペクトルとテストスペクトルが、帯域幅の重複部分のしきい値を満たしていないことを示します。

score

score = 1×15

  297.8016  122.5567  203.5864  103.3351  288.7747  275.5321  294.2341       NaN       NaN  290.4887       NaN  299.5762  171.6919   46.2072  176.6637

最小の距離スコアと対応するインデックスを求めます。返されたインデックス値は、テストスペクトルに最も厳密に一致する基準スペクトルを含む構造体配列 libData の行を示します。

[value,ind] = min(score);

最小距離スコアのインデックスを使用して一致する基準スペクトルを求め、ECOSTRESS ライブラリ内の一致するスペクトルデータの詳細を表示します。結果から、テストスペクトルが海水のスペクトルシグネチャに最も厳密に一致することが分かります。

matchingSpectra = libData(ind)

matchingSpectra = struct with fields:
                     Name: "Sea Foam"
                     Type: "Water"
                    Class: "Sea Water"
                 SubClass: "none"
             ParticleSize: "Liquid"
                    Genus: [0×0 string]
                  Species: [0×0 string]
                 SampleNo: "seafoam"
                    Owner: "Dept. of Earth and Planetary Science, John Hopkins University"
          WavelengthRange: "TIR"
                   Origin: "JHU IR Spectroscopy Lab."
           CollectionDate: "N/A"
              Description: "Sea foam water. Original filename FOAM Original ASTER Spectral Library name was jhu.becknic.water.sea.none.liquid.seafoam.spectrum.txt"
              Measurement: "Directional (10 Degree) Hemispherical Reflectance"
              FirstColumn: "X"
             SecondColumn: "Y"
           WavelengthUnit: "micrometer"
                 DataUnit: "Reflectance (percent)"
              FirstXValue: "14.0112"
               LastXValue: "2.0795"
          NumberOfXValues: "2110"
    AdditionalInformation: "none"
               Wavelength: [2110×1 double]
              Reflectance: [2110×1 double]

テストスペクトルの反射率値および対応する基準スペクトルの反射率値をプロットします。反射率曲線の形状をプロットして可視化するため、反射率の値を範囲 [0, 1] に再スケーリングし、基準反射率値の合計に一致するようにテスト反射率値を内挿します。

figure
testReflectance = rescale(reflectance,0,1);
refReflectance = rescale(matchingSpectra.Reflectance,0,1);
testLength = length(testReflectance);
newLength = length(testReflectance)/length(refReflectance);
testReflectance = interp1(1:testLength,testReflectance,1:newLength:testLength);

plot(refReflectance)
hold on
plot(testReflectance,"r")
hold off
legend("Matching reference reflectance","Test reflectance")
xlabel("Number of samples")
ylabel("Reflectance value")

Figure contains an axes object. The axes object with xlabel Number of samples, ylabel Reflectance value contains 2 objects of type line. These objects represent Matching reference reflectance, Test reflectance.

入力引数

すべて折りたたむ

`libData` — ライブラリからのスペクトルシグネチャ
構造体 | 構造体配列

スペクトルライブラリからのスペクトルデータ。構造体または 1 行 K 列の構造体配列として指定します。K は、スペクトルマッチングに使用するライブラリからのスペクトルシグネチャの数です。各スペクトルライブラリ構造体には、関数 readEcostressSig を使用して ECOSTRESS ライブラリから読み取られたスペクトルシグネチャなど、等しい長さの数値ベクトルで構成される Reflectance フィールドと Wavelength フィールドが含まれていなければなりません。

`hcube` — 入力ハイパースペクトルデータ
`hypercube` オブジェクト

入力ハイパースペクトルデータ。hypercube オブジェクトとして指定します。

`reflectance` — 反射率値
C 要素ベクトル

反射率値。C 要素ベクトルとして指定します。C は反射率値を測定した波長の数です。

`wavelength` — 波長値
C 要素ベクトル

波長値。C 要素ベクトルとして指定します。C は反射率値を測定した波長の数です。

名前と値の引数

すべて折りたたむ

オプションの引数のペアを Name1=Value1,...,NameN=ValueN として指定します。ここで、Name は引数名で、Value は対応する値です。名前と値の引数は他の引数の後に指定しなければなりませんが、ペアの順序は重要ではありません。

R2021a より前では、コンマを使用して名前と値をそれぞれ区切り、Name を引用符で囲みます。

例: spectralMatch(libData,hcube,MinBandWidth=0.5)

`Method` — スペクトルマッチング法
`"sam"` (既定値) | `"sid"` | `"sidsam"` | `"jmsam"` | `"ns3"`

スペクトルマッチング方法。次のいずれかの値として指定します。

"sam" — スペクトル角マッパー (SAM) 法。2 つのスペクトル間の角距離を計算して、それらの類似度を評価します。
"sid" — スペクトル情報発散 (SID) 法。2 つのスペクトルの確率分布値の差を計算して、それらの類似度を評価します。
"sidsam" — 複合型のスペクトル類似度評価法。SID と SAM の距離尺度を組み合わせて 2 つのスペクトル間の類似度を評価します。
"jmsam" — ジェフリー・松下スペクトル角マッパー (JMSAM)。ジェフリー・松下 (JM) と SAM の距離尺度を組み合わせて 2 つのスペクトル間の類似度を評価します。
"ns3" — 正規化スペクトル類似度スコア (Normalized spectral similarity score、NS3) 法。ユークリッドと SAM の距離尺度を組み合わせて 2 つのスペクトル間の類似度を評価します。

これらのスペクトルマッチング法の詳細については、アルゴリズムを参照してください。

データ型: char | string

`MinBandWidth` — 帯域幅の重複部分の最小値
`300` (既定値) | 正のスカラー

帯域幅の重複部分の最小値。ナノメートル単位の正のスカラーとして指定します。基準スペクトルとテストスペクトルの帯域幅の重複部分は次のように定義されます。

BW_overlap = W_max − W_min

W_min は、基準スペクトルおよびテストスペクトルの最小波長の最大値です。

W_max は、基準スペクトルおよびテストスペクトルの最大波長の最大値です。

引数 MinBandWidth は、テスト物質のスペクトル値と ECOSTRESS スペクトルデータの間の帯域幅の重複部分の最小期待値を定義します。

出力引数

すべて折りたたむ

`score` — 距離スコア
3 次元数値配列 | 行列 | K 要素の列ベクトル | スカラー

距離スコア。3 次元数値配列、行列、K 要素の列ベクトル、またはスカラーとして返されます。出力スコアの次元は、libData の次元、およびテストデータが hypercube オブジェクトであるか wavelength と reflectance のペアであるかによって異なります。

テストスペクトルシグネチャが hypercube オブジェクトとして指定された場合、hcube およびデータキューブのサイズは M x N x C となります。

入力引数の次元 (libData) 出力の次元 (score)

1 行 K 列。K 個のスペクトルファイルから読み取った K 個の基準シグネチャを含む

サイズが M x N x K の 3 次元数値配列。K 個の基準シグネチャを基準とするピクセルごとの距離スコアを含む

K の各チャネルの値は、libData の対応する行のスペクトルデータを基準とする、ピクセルごとのスペクトルの距離スコアです。同様に、2 番目のチャネルの値は libData の 2 番目の行のスペクトルデータに関連しています。

1 行 1 列。1 つのスペクトルファイル (K = 1) から読み取った基準シグネチャを含むサイズが M 行 N 列の行列。基準シグネチャを基準とするピクセルごとのスペクトルの距離スコアを含む。

テストスペクトルシグネチャが reflectance および wavelength の値で指定された場合は、次のようになります。

入力引数の次元 (`libData`)	出力の次元 (`score`)
1 行 K 列。K 個のスペクトルファイルから読み取った K 個の基準シグネチャを含む	K 要素のベクトル。K 個の基準シグネチャを基準とするテストスペクトルの距離スコアを含む。このベクトルの各要素は、`libData` の対応する行のスペクトルデータを基準とする、テスト反射率値の距離スコアです。
1 行 1 列。1 つのスペクトルファイル (K = 1) から読み取った基準シグネチャを含む	スカラー

データ型: double

制限

Method を "sam"、"sid"、"jmsam"、または "ns3" として指定した場合、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

すべて折りたたむ

スペクトル角マッパー (SAM)

"sam" 法の場合、関数 spectralMatch は、次の式を使用して SAM スコア α を計算します。

$α = \cos^{- 1} (\frac{\sum_{i = 1}^{C} t_{i} r_{i}}{\sqrt{\sum_{i = 1}^{C} t_{i}^{2}} \sqrt{\sum_{i = 1}^{C} r_{i}^{2}}}) .$

ここで、r および t は、それぞれ基準スペクトルとテストスペクトルです。r_i および t_i は、それぞれベクトル r および t の i 番目の要素です。C は、ベクトル r および t の長さです。

スペクトル情報発散 (SID)

"sid" 法の場合、関数 spectralMatch 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。

$S I D = \sum_{i = 1}^{C} p_{i} \log (\frac{p_{i}}{q_{i}}) + \sum_{i = 1}^{C} q_{i} \log (\frac{q_{i}}{p_{i}}) .$

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。q_i および p_i 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。

SID-SAM

"sidsam" 法の場合、関数 spectralMatch は、次の式を使用して SID-SAM 値を計算します。

$S I D S A M = S I D \times \tan (α)$

SID は SID 値、α は SAM スコアです。

ジェフリー・松下スペクトル角マッパー (JMSAM)

"jmsam" 法の場合、関数 spectralMatch は、次の式を使用して JMSAM スコアを計算します。

$J M S A M = J M_{d i s t a n c e} \times \tan (α)$

JM_distance は JM 距離、α は SAM スコアです。この手法では、次の式を使用して JM 距離を計算します。

$J M_{distance} = 2 (1 - e^{- B})$

B はバタチャリヤ距離で、以下のようになります。

$B = \frac{1}{8} {(μ_{t} - μ_{r})}^{T} {[\frac{σ_{t} + σ_{r}}{2}]}^{- 1} (μ_{t} - μ_{r}) + \frac{1}{2} \ln [\frac{| \frac{σ_{t} + σ_{r}}{2} |}{\sqrt{| σ_{t} | | σ_{r} |}}]$

μ_r および μ_t は、それぞれ基準スペクトルとテストスペクトルの平均値です。σ_r および σ_t は、それぞれ基準スペクトルとテストスペクトルの共分散値です。

正規化スペクトル類似度スコア (Normalized Spectral Similarity Score、NS3)

"ns3" 法の場合、関数 spectralMatch は、次の式を使用して NS3 スコアを計算します。

$N S 3 = \sqrt{A_{E u c l i d e a n}^{2} + {(1 - \cos (α))}^{2}}$

A_Euclidean はユークリッド距離、α は SAM スコアです。この手法では、次の式を使用してユークリッド距離を計算します。

$A_{E u c l i d e a n} = \sqrt{\frac{1}{C} \sum_{i = 1}^{C} {(t_{i} - r_{i})}^{2}}$

r および t は、それぞれ基準スペクトルとテストスペクトルのベクトルです。r_i および t_i は、それぞれベクトル r および t の i 番目の要素です。C は、ベクトル r および t の長さです。

バージョン履歴

R2020a で導入

参考

sam | sid | hypercube | readEcostressSig | ns3 | sidsam | jmsam

spectralMatch

構文

説明

例

スペクトル マッチングを使用したハイパースペクトル データ内の植生領域のセグメント化

スペクトル マッチングを使用した未知のスペクトル シグネチャの識別

入力引数

libData — ライブラリからのスペクトル シグネチャ 構造体 | 構造体配列

hcube — 入力ハイパースペクトル データ hypercube オブジェクト

reflectance — 反射率値 C 要素ベクトル

wavelength — 波長値 C 要素ベクトル

名前と値の引数

Method — スペクトル マッチング法 "sam" (既定値) | "sid" | "sidsam" | "jmsam" | "ns3"

MinBandWidth — 帯域幅の重複部分の最小値 300 (既定値) | 正のスカラー

出力引数

score — 距離スコア 3 次元数値配列 | 行列 | K 要素の列ベクトル | スカラー

制限

アルゴリズム

スペクトル角マッパー (SAM)

スペクトル情報発散 (SID)

SID-SAM

ジェフリー・松下スペクトル角マッパー (JMSAM)

正規化スペクトル類似度スコア (Normalized Spectral Similarity Score、NS3)

バージョン履歴

参考

スペクトルマッチングを使用したハイパースペクトルデータ内の植生領域のセグメント化

スペクトルマッチングを使用した未知のスペクトルシグネチャの識別

`libData` — ライブラリからのスペクトルシグネチャ
構造体 | 構造体配列

`hcube` — 入力ハイパースペクトルデータ
`hypercube` オブジェクト

`reflectance` — 反射率値
C 要素ベクトル

`wavelength` — 波長値
C 要素ベクトル

`Method` — スペクトルマッチング法
`"sam"` (既定値) | `"sid"` | `"sidsam"` | `"jmsam"` | `"ns3"`

`MinBandWidth` — 帯域幅の重複部分の最小値
`300` (既定値) | 正のスカラー

`score` — 距離スコア
3 次元数値配列 | 行列 | K 要素の列ベクトル | スカラー