Skip navigation

Spektrális sűrűség információn alapuló vizsgálatok

Spektrális sűrűség információ (Spectral Density Information)

Ez a mérőszám az alábbiak szerint számolható tekintsünk két pixelt, x-et és y-t, úgy hogy az x = (x1,x2, ..., xD)T és y = (y1,y2, ..., yD)T, ahol D a spektrális hullámhosszok száma!

Legyen

p_i = \frac{x_i}{\sum x_i}, \\ q_i = \frac{}{\sum yi}, \\ I_i(x) = - log(p_i), \\ I_i(y) = -log(q_i)

Az előjeles divergencia az x és az y pixel tekintetében az alábbi képlettel számolható:

CE(x,y) = \sum p_i log \frac{p_i}{q_i}

A szimmetrikus Spectral Information Diversity mérték, az alábbi módon számolható:

SID(x,y) = CE(x,y) + CE(y,x)

Megközelítés

A Spectral Information Diversity mérőszámot főképpen a távérzékelésnél szokták használni. A mi vizsgálatainkhoz úgy lenne alkalmas, ha ugyanazon pozícióban és elrendezésben szerepelnek a gombák a különböző időpontokban szkennelt képeken. Erre nem volt módunk, de regisztrációval korrigálható lehet a pozíció.

A regisztráció előtt viszont érdemes azt megnézni, hogy változik a diverzitás mértéke a képen az idő elteltével. Az alábbi képeken az előjeles divergenciát számoltam minden képpontra a fehér referencia tárgyhoz képest. Látszólag ennek nincs értelme, azért, mert nem így szokták használni, de érdemes megfigyelni, hogy mind az időbeli (1. nap és 7. nap), mind pedig koncentrációbeli változások a képeken jól kivehetőek, főleg az első napnál. Maga a szín itt sem rendelkezik információértékkel, viszont a színskála jelzi a változatosságot. 

1. nap
7. nap
Mycogone fertőzés 0. nap
Mycogone fertőzés 3. nap

Tapasztalatok

A fent leírt jellemzőkkel vizsgáltam a különböző típusú fertőzéseket. Mindegyik típusnál a 3. napot vettük alapul, ekkor már szemmel láthatóan is megjelentek az elváltozások.

Megjegyezzük, hogy az ábrán lévő színeknek nincs információ értékük, viszont a megjelenő színpaletta reprezenálja az adatbeli változatosságot. Főképpen a gombán belül változatosság az érdekes. Az spektrális szögnél viszont a fehér referencia rúdhoz érdemes hasonlítani a gombán belüli színeket.

Megállapítható, hogy egyes fertőzés típusoknál nagyobb, másoknál kisebb divergencia vehető észre, ami azt jelenti, hogy bizonyos típusú fertőzéseket könnyebb észrevenni, mint másokat.

Előjeles divergencia képek

Kontroll
Lecanicilium
Mycogone
Trychoderma
Cladobodrium

Spektrális szog képek

Kontroll
Lecanicilium
Mycogone
Trychoderma
Cladobodrium

Programkód és futtatás

A program futtatásához Python 3.x és az következő python csomagok szükségesek: opencv_python, numpy, matplotlib, spectral, sys

A program futtatása (Linux és Windows rendszeren hasonlóan történik):

python3 spectral_information_divergence.py input.hdr

Az input.hdr helyére azt a hiperspektrális fájlt kell megadni, amelyet szeretnénk feldolgozni.