20.5. Uusia laskennallisia menetelmiä spektrivärimittausten käsittelyyn Väitös tietojenkäsittelytieteen alalta 20.5.2011

Väittelijä FM Ville Heikkinen

Väitösaika ja -paikka 20.5.2011 klo 12, Louhela-sali, Joensuun tiedepuisto

Spektrikuvantaminen on osoittautunut hyödylliseksi menetelmäksi esimerkiksi kaukokartoituksessa, lääketieteellisessä kuvantamisessa ja teollisuuden laadunvalvonnassa. Kuvantamisen tarkoituksena on tuottaa kohteesta tarkka väriesitys tai suorittaa kohteen radiometrinen karakterisointi sen tunnistamista varten. Usein tavoitteena on myös estimoida spektridatasta kohteen reflektanssiominaisuuksia, jotka ovat riippumattomia kuvantamisessa käytetystä valaistuksesta.

Spektrikuvantamisen avulla voidaan kerätä informaatiota kohteesta emittoituneesta sähkömagneettisesta signaalista valitulla aallonpituusalueella. Käytetyt laitteet voidaan jakaa kymmeniä tai satoja spektrinäytteitä tuottaviin hyperspektrilaitteisiin ja muutamia laajakaistaisia spektrikanavia sisältäviin multispektrilaitteisiin. Hyperspektrilaitteet tuottavat tarkkoja mittauksia, mutta niiden käyttäminen on huomattavan kallista ja epäkäytännöllistä useassa sovelluksessa. Näistä syistä johtuen kuvantaminen suoritetaan monissa sovelluksissa käyttäen multispektrilaitteistoa, usein pohjautuen tavalliseen RGB-väritekniikkaan.

Heikkinen keskittyy väitöskirjassaan tavallisilla digitaalisilla RGB-sensoreilla kuvatun datan värikalibrointiin, sekä erityisesti sen käyttämiseen kohteen reflektanssiominaisuuksien estimoimiseksi näkyvän valon aallonpituusalueella. Estimointi- ja kalibrointimallit muotoillaan regressio- ja interpolointimallien, sekä saatavilla olevan opetusdatan avulla.

Tutkimuksessa keskitytään uutena menetelmänä erityisesti niin sanottuun ydinmenetelmien luokkaan (engl. kernel methods), jossa regressio-, interpolointi- ja luokittelumallit perustuvat ytimien määrittelemien funktioavaruuksien käyttöön. Näiden menetelmien käyttö on tähän asti ollut rajoittunutta väritieteessä. Ydinmenetelmien etuna on niiden avulla muodostettujen mallien rikkaus, hyvät yleistymisominaisuudet sekä algoritminen tehokkuus. Väitöskirjassa esitellään ja evaluoidaan useita ydinmalleja, joita ei ole aiemmin sovellettu spektrien estimointiin tai värikalibrointiin. Tutkimuksessa tarkastellaan myös aiemmin esitettyjen empiiristen ja fysikaalisten estimointimallien ominaisuuksia ja yhteyksiä. Ydinmenetelmien avulla voidaan esittää uusi näkökulma joillekin aiemmin esitetyille malleille.

Väitöskirjassa tarkastellaan lisäksi puiden latvustoista heijastuneen hyper- ja multispektridatan luokittelua ydinmallien avulla. Luokitinmallina käytetään tukivektorikonetta, jonka on aiemmin todettu tuottavan tarkkoja tuloksia kaukokartoitusdatalle. Tässä tutkimuksessa luokittelutulokset perustuvat simuloidun datan käyttöön ja antavat informaatiota multispektristen sensoreiden suunnittelua varten metsien kaukokartoitussovelluksiin. Tulosten perusteella kaukokartoitussovelluksiin tarkoitettujen multispektrisensoreiden ominaisuuksia voidaan vielä huomattavasti parantaa.

Väitöskirjassa esitellään ydinmallien rakennetta ja ominaisuuksia, sekä niiden käyttämistä spektrikuvantamisen tarpeisiin. Tulokset osoittavat, että ydinmallit tarjoavat tehokkaan ja teoreettisesti hyvin perustellun lähestymistavan spektridatan estimointiin ja luokitteluun. Väitöskirja antaa myös useita aiheita jatkotutkimukselle.

FM Ville Heikkisen väitöskirja ”Kernel methods for estimation and classification of data from spectral imaging” (Ydinmenetelmiä spektridatan estimointiin ja luokitteluun) tarkastetaan Itä-Suomen yliopiston Luonnontieteiden ja metsätieteiden tiedekunnassa. Vastaväittäjänä on professori Erkki Oja Aalto-yliopistosta ja kustoksena professori Markku Hauta-Kasari Itä-Suomen yliopistosta.