Ημερολόγιο Εκδηλώσεων

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ

Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών

Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΒΑΣΤΑΡΟΥΧΑ ΣΤΕΡΓΙΑΝΗ

με θέμα

Έξυπνη Φασματική Απεικόνιση για Αναγνώριση Υλικών

Smart Spectral Imaging for Material Identification

Παρασκευή 5 Οκτωβρίου 2018, 12 π.μ.

Αίθουσα 2042, Κτίριο Επιστημών, Πολυτεχνειούπολη

Εξεταστική Επιτροπή

 Καθηγητής Μπάλας Κωνσταντίνος (επιβλέπων)

 Καθηγητής Γαροφαλάκης Μίνως

  Αναπληρωτής Καθηγητής Σαμολαδάς Βασίλειος

Περίληψη

Η Υπερφασματική απεικόνιση είναι ένα ισχυρό αναλυτικό εργαλείο που επιτρέπει την απόκτηση μιας σειράς εικόνων σε στενές φασματικές ζώνες. Αυτή η τεχνική καθιστά δυνατή την απόσπαση τόσο της χωρικής όσο και της φασματικής πληροφορίας για τη σκηνή υπό διερεύνηση. Ως εκ τούτου, χρησιμοποιείται ευρέως για μη καταστροφική και μη επεμβατική ανάλυση σε διάφορους τομείς, που κυμαίνονται από την αξιολόγηση της ποιότητας των τροφίμων έως τις βιοϊατρικές εφαρμογές. Η Αναγνώριση Υλικών είναι το κλειδί για όλες αυτές τις εφαρμογές, το οποίο επιτυγχάνεται μέσω μιας βιβλιοθήκης φασματικών υπογραφών των υλικών ενδιαφέροντος και Μετρικών Φασματικής Ομοιότητας. Η εύρεση της σωστής μετρικής φασματικής ομοιότητας είναι ένα σημαντικό βήμα και πολλές μελέτες έχουν πραγματοποιηθεί για την αξιολόγησή τους όσον αφορά την ακρίβεια. Ωστόσο, σε αυτές τις μελέτες η αξιολόγηση γίνεται με τη χρήση μελών των βιβλιοθηκών (labelled) και η απόδοση του χρόνου δεν αξιολογείται ποτέ. Αυτή η μελέτη προτείνει μια σειρά από βήματα που θα πρέπει να ακολουθηθούν στην αξιολόγηση των Μετρικών Φασματικής Ομοιότητας, συμπεριλαμβανομένων τόσο των labelled όσο και των unlabeled δεδομένων για σύγκριση. Ειδικότερα, οι μετρήσεις ανακλαστικότητας διαφόρων υλικών συλλέχθηκαν από ηλεκτρονικές δημόσιες φασματικές βιβλιοθήκες για να κατασκευαστεί μια βάση δεδομένων φασματικών υπογραφών. Επιπλέον, μια σειρά αλγορίθμων φασματικής ομοιότητας υλοποιήθηκαν και δοκιμάστηκαν για την ταχύτητα και την ακρίβειά τους. ακρίβεια των αλγορίθμων εκτιμάτε με βάση την ικανότητά τους να παράγουν σωστή αντιστοίχιση όταν ένα άγνωστο φάσμα συγκρίνεται με τα φάσματα αναφοράς της βάσης δεδομένων. Οι αλγόριθμοι φασματικής ομοιότητας που δοκιμάστηκαν σε αυτή τη μελέτη είναι: α) SAM, b) ED, c) SID, δ) SCA, e) SGA, f) SID-SAM, g) SID- j) NS3, k) SSD και Ι) SPM. Τέλος, υπερφασματικές μετρήσεις δερματικών αλλοιώσεων χρησιμοποιήθηκαν ως δοκιμαστική περίπτωση για την τελική αξιολόγηση των μεθόδων σύγκρισης που εφαρμόστηκαν. Ο συνδυασμός μιας φασματικής βάσης δεδομένων των αναφορών με τους σωστούς αλγορίθμους φασματικής ομοιότητας μπορεί να αποτελέσει ένα πολύτιμο εργαλείο για την ταυτοποίηση του υλικού, με εφαρμογές σε διάφορους επιστημονικούς και βιομηχανικούς τομείς.

Abstract

Hyperspectral Imaging is a powerful analytical tool that enables the acquisition of a series of images in narrow spectral bands. This technique makes it possible to extract both spatial and spectral information about the scene under investigation. Therefore, it is widely used for non-destructive and non-invasive analysis in a variety of fields, ranging from food quality assessment to biomedical applications. Material Identification is the key to all these applications, which is achieved by using a library of spectral signatures of materials of interest and Spectral Similarity Measurements. Finding the right Spectral Similarity Measure is an important step and many studies have been conducted for their evaluation in terms of accuracy. However, in these studies the evaluation is made using members of the libraries (labeled data) and time performance is never assessed. This study proposes a series of steps that should be followed in Spectral Similarity Measures evaluation, including both labelled and unlabelled data for comparison. More specifically, reflectance measurements of various materials were gathered from online public spectral libraries to construct a database of spectral signatures. Furthermore, a series of Spectral Similarity algorithms were implemented and tested for their speed and accuracy. The accuracy of the algorithms has been assessed on the basis of their ability to produce a right match when an unknown spectrum is compared against the reference spectra of the database. The Spectral Similarity algorithms tested in this study are: a) SAM, b) ED, c) SID, d) SCA, e) SGA, f) SID-SAM, g) SID-SCA, h) AWN, i) SSS, j) NS3, k) SSD and l) SPM. Finally, hyperspectral measurements of skin lesions have been used as a test case for the final evaluation of the implemented comparison methods. The combination of a spectral database of references with the right Spectral Similarity algorithms can provide a valuable tool for material identification, with applications in a variety of scientific and industrial fields.