Çoklu-sensör uzaktan algılamada kör yöntemlerle öznitelik sentezleme

Abstract

Uzaktan algılama için genellikle farklı sensör modalitelerinin bir arada bulunduğu çoklu-sensör sistemleri kullanılmaktadır. Farklı dalga boylarında görüntü alan çoklu-spektral görüntüleyiciler, polarimetrik ve çoklu-spektral verilerin bir arada alındığı spektro-polarimetrik sistemler çok sensörlü yapılara örnektir.Çoklu-sensör sistemlerin tasarımında, öznitelikler sensörün farklı bilgiler yakalamasına yönelik olarak belirlenir. Örneğin, çoklu-spektral sistemlerde sensörlerin farklı dalgaboyları, spektro-polarimetrik sistemlerde farklı polarizasyonlar ve farklı spektral kanallar öznitelik uzayını oluşturur. Öznitelik uzayları, sahnede yakalanmak istenen detaya göre oluşturulur. Bunun için sensör sistemlerinin sağladığı temel öznitelik uzaylarından problem tipine yönelik bilgi çıkarmak gerekir.Sadece sensör sistemi ile alınan verilerin olduğu durumda; yani daha önceden sahne ile ilgili bir önsel bilgi olmaksızın; kör teknikler kullanılarak kaynak ayrıştırma, anomali tespiti, bölütleme, öznitelik sentezleme gibi çeşitli problemlerin çözümüne yönelik bilgi çıkarılabilir. Bu çalışmada, kör sinyal işleme teknikleri ile çoklu-sensör verilerden öznitelik uzayında bilgi çıkarmaya yönelik farklı yaklaşımlar sunulmuştur.Bu çalışmada, ilk olarak çoklu-spektral veri analizinde, spektral kütüphanelerden faydalanılarak sensör tasarımında bant seçimine yönelik, öznitelik uzayının hiyerarşik olarak bölütlenmesine dayanan bir yöntem önerilmiştir. Bu yöntem, mineral tespiti problemi için, ortak bilgi ile öznitelik vektörleri arasındaki mesafelerin hesaplandığı hiyerarşik öznitelik bölütleme yöntemi olarak örneklendirilmiştir. Bu bölümde verilmek istenen fikir ve yöntem, herhangi bir çoklu-sensör uzayında uygulanabilir nitelik taşımaktadır. Takip eden bölümde, genelleştirilmiş özdeğer-özvektör ayrışımları ile, çoklu-spektral (hiperspektral/multispektral) verilerde kör kaynak ayrıştırma ve anomali tespiti problemlerinin genel formülüzasyonları sunulmuş; hiperspektral veriler üzerinden örnekler verilmiştir. Bu bölümde, Temel Bileşenler Analizi, En Büyük Gürültü Fraksiyonları, En Büyük Özilinti Faktörü ve Kanonik Korelasyon Analizi (CCA) yöntemleri literatüre bağlı bir anlatımla sunulmuştur. Kanonik Korelasyon Analizi ile; iki veri kümesi arasındaki ortak bilginin kanonik korelasyonlar aracılığı ile kestirilebileceği ve kanonik değişkenler aracılığı ile de bu veri kümelerine ait öz bilgilerin ortaya çıkarılabileceği hiperspektral bir veri üzerinden gösterilmiştir.Sonraki bölümde, iki veri kümesi arasındaki doğrusal ilintileri çıkaran Kanonik Korelasyon Analizi'nin çoklu-veri kümelerinin analizi için uzantısı olan Çok Kümeli Kanonik Korelasyon Analizi kavramı sunulmuş ve bu güçlü istatistiksel araç ile hiperspektral görüntülerin alt-bant küplerinin aralarındaki kanonik korelasyonlar incelenerek multispektral bant sentezleme yöntemi önerilmiştir. Hiperspektral veriler özünde multispektral bilgileri de içerdiğinden, belli bir tipte problemin çözümü için (örneğin, anomali tespiti) kanonik korelasyonların ve kanonik değişkenlerin incelenmesi ile gerekli bantların belirlenebileceği fikri sunulmuştur. Bu yaklaşımda, hem bantlar arasındaki ortak bilgi, kanonik değişkenler yardımı ile kestirilerek bant sentezlenmiş; hem de kanonik değişken imgeleri yardımı ile alt-bant küplerinde kör kaynak ayrıştırma işlemi gerçekleştirilmiştir.Son bölümde, spektro-polarimetrik veri analizinde Kanonik Korelasyon Analizi uygulaması önerilmiştir. Spektral ve polarimetrik görüntülerden oluşan iki küme, Kanonik Korelasyon Analizi'ne tabi tutulmuş; elde edilen kanonik değişkenler ile kümelerin sahneden yakalayabileceği bilgiler özetlenmiş ve aralarındaki ortak bilgi kanonik korelasyon değerleri ile kestirilmiştir. Özünde tamamlayıcı bilgiler sağlayan polarimetrik ve spektral ölçümlerin arasındaki ortak bilgi, deneysel verilerin alınmasında kullanılan kameraların çakışan spektral aralıkları nedeniyledir. Kanonik değişkenler, doğal arkaplan bastırma ve insan yapımı nesnelerin tespitini kolaylaştıracak imgeler sağlamaktadır. Bu bölümde Stokes vektör görüntüleme kavramına da değinilmiş, spektro-polarimetrik verilerin Kanonik Korelasyon Analizi'ne tabi tutulması ile elde edilen kanonik değişkenler ile Stokes parametreleri arasında yine Kanonik Korelasyon Analizi ile bir ilinti bulunarak; elektromanyetik tabanlı bir yönteme dayanan bir teknik ile elde edilen sonuçlar ile bir kör sinyal işleme tekniği ile elde edilen sonuçların bir kısmı açıklanabilmiştir.

Multi-sensor systems are widely employed in remote sensing applications. Multispectral and hyperspectral imagers that use a number of spectral sensors, and spectro-polarimetric systems that use both spectral and polarimetric channels for capturing scene details are two examples of multi-sensor sytems.In multi-sensor sytem design the main parameters of the sytem are the different features used for discrimination purposes. The different spectral wavelength channels of multispectral/hyperspectral systems form a natural feature space. Similarly, different spectral and polarimetric channels of spectropolarimetric systems form a feature space. The feature spaces are formed according to the type of specific problem such as anomaly detection.If there are no apriori information about the data or scene, problems such as blind source seperation, clustering, feature clustering/synthesis, anomaly detection or background suppression should be solved via blind signal processing methods. In this study, different approaches for information extraction in multi-sensor problems are discussed via blind methods.In this thesis, first, a methodology for feature clustering in spectral libraries via agglomerative hierarchical clustering method by defining a mutual information distance criteria between feature vectors is proposed for band selection for sensor design. Also, an example is provided for mineral exploration studies in sample spectral library consisting of minerals. The methodology given in this chapter can be applied on any type of multi-sensor feature space. In the next part, in multispectral/hyperspectral analysis, generalized eigenvalue problems for blind source speration and anomaly detection are discussed. Mathematical derivations of Principal Component Analysis (PCA), Maximum Noise Fractions (MNF), Maximum Autocorrelation Factor (MAF) and Canonical Correlation Analysis (CCA) are provided following the well-known literature. Examples are provided for a hyperspectral data set. CCA is discussed in order to demonstrate that second order sub-band relationships can be obtained in a hyperspectral cube via investigating canonical correlations and canonical variates. Next, a methodology for multispectral band synthesis from hyperspectral image data via multi-set CCA are proposed. This methodology provides a joint band selection and source seperation in hyperspectral analysis. In order to select informative bands the mutual information between sub-band cubes are investigated via canonical correlations and the information in each sub-band can be observed in canonical variant images.The study is finalized with a novel approach for spectropolarimetric data analysis in which CCA is proposed. Spectral and polarimetric data are treated as two data sets for CCA. The information difference between these data sets and the individual information of each data sets can be observed via canonical variants. The mutual information level can be estimated by using canonical correlations. Although the spectral and polarimetric data are complementary, there is an amount of mutual information due to the coinciding spectral response of CCD cameras used in data capture. The canonical variates of each set provide the information related to the data sets; such as shape features for polarimetric data and spectral features for spectral data. The canonical variants also give useful information for man-made object detection and background suppression; so this blind methodology can also be used as an anomaly detector. In this part, Stokes vector imaging concepts for polarimetric image analysis are discussed. It is shown that the canonical variates related to polarimetric images obtained via CCA of spectro-polarimetric data have a relationship with Stokes parameters. Therefore, a relationship between a blind signal processing methodology and an electromagnetic theory based methodology is demonstrated.