Hiperspektrális spektrumkiértékelés és szeparáció-vizsgálat MS Excel-ben 1 Kovács Zoltán Szabó Szilárd Szalóki Annamária Gyöngyös, 2014. IX. 25. 1 A kutatás a TÁMOP 4.2.4.A/2-11-1-2012-0001 Nemzeti Kiválóság Program című kiemelt projekt keretében zajlott. A projekt az Európai Unió támogatásával, az Európai Szociális Alap társfinanszírozásával valósul meg.
Kutatás célja Városi környezetről távérzékeléssel gyűjtött adatok felhasználása tetőtípusok elkülönítésére, különös tekintetettel az azbeszt-cement panelekre
Miért pont az azbeszt? XX. század kedvelt adalékanyag építőanyagokhoz, jó hőszigetelő tulajdonsága miatt Egészségkárosító hatás Hazánkban igen elterjedt Azbeszt előfordulások nyilvántartásának lehetősége
Tetők osztályozásának kihívásai A mállási folyamatok és UV sugárzás hatására a tetők színe idővel változik. A tetők zuzmókkal és mohákkal fedettek lehetnek. Majdnem minden tetőtípusnak vannak olyan részelemei, melyek más anyagból készülnek. A tetők többnyire különböző kitettségű részekből állnak, így ezek megvilágítottsága is változó.
Adatgyűjtés
Adatgyűjtés Időpont: 2013. július 9.-én Piper Aztec típusú repülőgépre szerelt Aisa EAGLE II hiperspektrális kamera használatával Látható és közeli infra tartomány (400-1000 nm) 5 nm-es felbontás
Tetők lehatárolása ecognition 8 szegmentáció Normalizált digitális felszín modell (ndsm) és NDVI értékek alapján kialakított maszk DSM-DEM=nDSM NDVI értékek számításához (667 nm, 801 nm) Ahol ndsm magas (3m fölött) és az NDVI érték alacsony (0,1 alatt) az valószínűsíthetően tető lehet.
Tanulóterületek Csoport neve Mintaszám azbeszt 51 barna cserép 48 kék fém 85 panel (szigetelés nélkül) 90 panel (szigeteléssel) 115 szürke kátrány 69 világos barna kátrány 12 vörös cserép árnyék 48 vörös cserép 163 zöld cserép 46
Adatok feldolgozása (HypDA) Hyperspectral Data Analyst MS Excel bővítmény Melyik spektrális tartomány mutat erős kapcsolatot a mért fizikai, kémiai tulajdonságokkal? Melyik hullámhosszok mentén különíthetőek el a csoportok leginkább? Parametrikusan megadható képletek Felhasználóbarát környezet
Adatok feldolgozása (HypDA) Legerősebb kapcsolat keresése Változók közötti korreláció, regresszió vizsgálata. Függő változó: a vizsgált attribútum (pl.: ph érték) Független változó: a görbe alakjának egy mérőszáma
Adatok feldolgozása (HypDA) Legnagyobb különbség keresése Két vagy több független minta összehasonlítása hipotézis vizsgálatokkal, szeparabilitás vizsgálatokkal Csoportok: egy nomiális változó értékei Vátozó: a görbe alakjának egy mérőszáma
Hipotézis vizsgálatok Paraméteres próbák Welch teszt Nem paraméteres próbák Mann-Whitney teszt Kruskal-Wallis teszt
Szeparabilitás vizsgálatok Divergencia és Transzformált divergencia Jeffries-Matusita távolság és Bhattacharyya távolság
Vizsgálatok futtatása Két futtatási lehetőség a kiválasztott csoportokra, parametrikus képletekre (pl.: WL1/WL2)
Vizsgálatok futtatása I. Két futtatási lehetőség a kiválasztott csoportokra, parametrikus képletekre (pl.: WL1/WL2) Megadott hullámhosszakra, például: Legyen WL1:=15, WL2:=126
Vizsgálatok futtatása I.
Képlet WL1/WL2 Hullámhossz WL1:=15 WL2:=126 Sample ID Group B13 B126 B13/126 164 Asb 4,818.373 4,196.953 1.148 165 Asb 4,818.373 4,294.072 1.122............... 317 BOFI 3,739.520 1,823.897 2.050 318 BOFI 3,517.322 1,761.457 1.997............... 227 BOFNI 3,445.795 2,315.270 1.488 228 BOFNI 3,445.795 2,315.270 1.488............... 432 RTi 3,244.019 4,777.557 0.679 433 RTi 3,229.021 5,016.259 0.644............... 680 RTiS 1,891.867 2,323.014 0.814 681 RTiS 2,114.825 2,803.676 0.754
Vizsgálatok I.
Vizsgálatok futtatása II. Két futtatási lehetőség a kiválasztott csoportokra, parametrikus képletekre (pl.: WL1/WL2) Megadott hullámhosszakra, például: Legyen WL1= 15, WL2= 126 Megadott hullámhosszak nélkül Minden lehetséges hullámhossz-kombinációra 150 csatorna esetén WL1/WL2 képletre közel 22 500 hipotézis vizsgálat
Kruskal-Wallis teszt WL1/WL2 Hullámhossz WL1:=15 WL2:=126
Csoportok közötti Jeffries Matusita távolság változása a teljes spektrumon 15 126
Jeffries - Matusita distance Group Asb BOFI BOFNI RTi RTiS Asb BOFI 1.98268388 BOFNI 1.72289214 1.93360866 RTi 1.97942807 1.99993249 1.98566822 RTiS 1.97782288 1.99999982 1.99822077 1.88063968 Két dimenzió egyidejű vizsgálata 1. WL1:=15 2. WL1:=126
Vizsgálatok IV. Lehetőség van arra is, hogy kijelöljünk egy olyan csoportot, amelyet a többi csoporttal hasonlítunk össze. Szignifikáns Mann-Whitney teszt Egymással át nem fedő percentilis tartományok
Egymástól Mann Whitney teszt (p<0.0001) alapján elkülönülő csoportok száma B104/B29 Mann - Whitney significance values Sig. BOFI BOFNI Asb RTiS RTi BOFI p<0.00001 p<0.00001 p<0.00001 p<0.00001 BOFNI p<0.00001 p<0.00001 p<0.00001 Asb p<0.00001 p<0.00001 RTiS p<0.00001 RTi
Az azbeszt csoporttal percentilisen át nem fedő csoportok számának vizsgálata B100/B86 Jeffries - Matusita distance Group Asb BOFI BOFNI RTi RTiS Asb BOFI 1.97449999 BOFNI 1.95114593 0.18053195 RTi 1.62180405 0.29860387 0.27544893 RTiS 1.98244422 0.08714802 0.45792919 0.37202782
Vizsgálatok V. Az interkvartilisen átfedő csoportpárokra külön-külön Mann-Whitney teszt. Standardizált alacsony értékek, (szinte) nincs átfedés az értékek között. Jeffries-Matusita távolság csoportonként
Jeffries Matusita távolság Azbeszt Vörös cserép fény Azbeszt Vörös cserép árnyék Azbeszt Panel szigetelés nélkül Azbeszt Panel szigeteléssel
Következtetések Kruskal-Wallis tesztek futtatása több csoportra Olyan hullámhosszok keresése, ahol legalább 2-3 csoport élesen elkülönül Az egymással átfedő csoportokra páronként Mann- Whitney teszt, Jeffries-Matusita távolság, Transzformált divergencia érték Döntési fák előállítása osztályozáshoz
Köszönöm a megtisztelő figyelmet! A kutatás a TÁMOP 4.2.4.A/2-11-1-2012-0001 Nemzeti Kiválóság Program című kiemelt projekt keretében zajlott. A projekt az Európai Unió támogatásával, az Európai Szociális Alap társfinanszírozásával valósul meg.