Δημιουργία λογισμικού ανοιχτού κώδικα για κατάτμηση ψευδέγχρωμων δορυφορικών δεδομένων σε περιβάλλον Google Earth

Abstract

Η διατριβή αυτή έχει ως κύριο στόχο να κάνει ευκολότερή την πρόσβαση, ενός χρήστη, σε ένα ανώτερο πακέτο ανάλυσης εικόνας, κυρίως για ερασιτεχνική επιστημονική μελέτη. Η έλλειψη της διαλειτουργικότητας σήμερα, μειώνει το ρυθμό ανάπτυξης τεχνικών για άμεση ανάλυση εικόνας. Επί του παρόντος τα προγράμματα ανοικτού κώδικα εξαπλώνονται όλο και περισσότερο προς κάθε δυνατή κατεύθυνση, ενώ η δωρεάν διάδοση δεδομένων είναι επίσης μια βασική τάση στο σημερινό ρυθμό ζωής του γρήγορου διαδικτύου. Η παρούσα διατριβή εισάγει έναν τρόπο να χρησιμοποιούνται τα δημοσιευμένα, και χωρίς χρεώση, δεδομένα στο διαδίκτυο, για τη διεξαγωγή πολυεπίπεδης κατάτμησης εικόνας. Αυτό γίνεται χρησιμοποιώντας τον αλγόριθμο μέσης μετατόπισης, σε συνδυασμό με ορισμένες βασικές ικανότητες κατηγοριοποίησης βασισμένες στον Learning Vector Quantization (WEKA) αλγόριθμο. Μακριά από το να γίνει εμπορικό προϊόν, αυτή η διατριβή προτείνει έναν απλό τρόπο για να αυξηθεί η συνέργεια τριών διαφορετικών πακέτων λογισμικού, προκειμένου να θέσει σε κίνηση περαιτέρω πιο οργανωμένες προσπάθειες προς αυτή την κατεύθυνση. Η γνώση από μια σειρά αρκετά διαφορετικών τεχνολογιών, επιστρατεύτηκε για να επιτευχθεί το παρόν αποτέλεσμα. Από υπολογιστικά γραφικά, σε προχωρημένες στατιστικές μεθόδους για την ανάλυση εικόνας, μέχρι την ανάπτυξη περιβάλλοντος διάδρασης σε Java κτλ. Η σύγκλιση της διαδικασίας μέσης μετατόπισης, προς την όσο το δυνατόν κοντινότερη απόδοση της υποκείμενης κατανομής έχει αποδειχθεί τόσο για τον πυρήνα Epanechnikov όσο και για το γενικής περίπτωσης πυρήνα με κυρτό και μονοτονικής μείωσης προφίλ. Η αξιοποίηση της διαδικασίας μέσης μετατόπισης εξελίσσει μια ισχυρή μέθοδο συσσώρευσης, που χρησιμοποιήθηκε για την ανάλυση των χώρων με πολύπλοκα χαρακτηριστικά που προέρχονται από RGB δορυφορικά δεδομένα. Τα κέντρα διασποράς που λαμβάνονται με την εξεύρεση της κατάστασης των υποκείμενων κατανομών και τις λεκάνες έλξης/επιρροής τους, καθορίζοντας έτσι τα όρια της συσσώρευσης. Γίνεται παρουσίαση παραδειγμάτων για την κατάτμηση της εικόνας, σε μια ποικιλία από εφαρμογές, αναδεικνύοντας έτσι, τις ανώτερες επιδόσεις του αλγορίθμου, καθώς και τον αβίαστο τρόπο να φιλοξενήσει επιστημονικά, ένα ευρύ φάσμα αναγκών στην ανάλυση εικόνας, από ένα απλό χρήστη που θέλει να διακρίνει το νερό από τη γη, ή να καταγράψει τα με πολύγωνα όλα τα κτίρια στο χωριό του, μέχρι και ένα έμπειρο χρήστη που προσπαθεί να εκτιμήσει την έκταση/επέκταση του οδικού δικτύου σε ένα αστικό χώρο, ή να υπολογισθεί η καμένη περιοχή μιας δασικής έκτασης.Η διατριβή αυτή έχει ως κύριο στόχο να κάνει ευκολότερή την πρόσβαση, ενός χρήστη, σε ένα ανώτερο πακέτο ανάλυσης εικόνας, κυρίως για ερασιτεχνική επιστημονική μελέτη. Η έλλειψη της διαλειτουργικότητας σήμερα, μειώνει το ρυθμό ανάπτυξης τεχνικών για άμεση ανάλυση εικόνας. Επί του παρόντος τα προγράμματα ανοικτού κώδικα εξαπλώνονται όλο και περισσότερο προς κάθε δυνατή κατεύθυνση, ενώ η δωρεάν διάδοση δεδομένων είναι επίσης μια βασική τάση στο σημερινό ρυθμό ζωής του γρήγορου διαδικτύου. Η παρούσα διατριβή εισάγει έναν τρόπο να χρησιμοποιούνται τα δημοσιευμένα, και χωρίς χρεώση, δεδομένα στο διαδίκτυο, για τη διεξαγωγή πολυεπίπεδης κατάτμησης εικόνας. Αυτό γίνεται χρησιμοποιώντας τον αλγόριθμο μέσης μετατόπισης, σε συνδυασμό με ορισμένες βασικές ικανότητες κατηγοριοποίησης βασισμένες στον Learning Vector Quantization (WEKA) αλγόριθμο. Μακριά από το να γίνει εμπορικό προϊόν, αυτή η διατριβή προτείνει έναν απλό τρόπο για να αυξηθεί η συνέργεια τριών διαφορετικών πακέτων λογισμικού, προκειμένου να θέσει σε κίνηση περαιτέρω πιο οργανωμένες προσπάθειες προς αυτή την κατεύθυνση. Η γνώση από μια σειρά αρκετά διαφορετικών τεχνολογιών, επιστρατεύτηκε για να επιτευχθεί το παρόν αποτέλεσμα. Από υπολογιστικά γραφικά, σε προχωρημένες στατιστικές μεθόδους για την ανάλυση εικόνας, μέχρι την ανάπτυξη περιβάλλοντος διάδρασης σε Java κτλ. Η σύγκλιση της διαδικασίας μέσης μετατόπισης, προς την όσο το δυνατόν κοντινότερη απόδοση της υποκείμενης κατανομής έχει αποδειχθεί τόσο για τον πυρήνα Epanechnikov όσο και για το γενικής περίπτωσης πυρήνα με κυρτό και μονοτονικής μείωσης προφίλ. Η αξιοποίηση της διαδικασίας μέσης μετατόπισης εξελίσσει μια ισχυρή μέθοδο συσσώρευσης, που χρησιμοποιήθηκε για την ανάλυση των χώρων με πολύπλοκα χαρακτηριστικά που προέρχονται από RGB δορυφορικά δεδομένα. Τα κέντρα διασποράς που λαμβάνονται με την εξεύρεση της κατάστασης των υποκείμενων κατανομών και τις λεκάνες έλξης/επιρροής τους, καθορίζοντας έτσι τα όρια της συσσώρευσης. Γίνεται παρουσίαση παραδειγμάτων για την κατάτμηση της εικόνας, σε μια ποικιλία από εφαρμογές, αναδεικνύοντας έτσι, τις ανώτερες επιδόσεις του αλγορίθμου, καθώς και τον αβίαστο τρόπο να φιλοξενήσει επιστημονικά, ένα ευρύ φάσμα αναγκών στην ανάλυση εικόνας, από ένα απλό χρήστη που θέλει να διακρίνει το νερό από τη γη, ή να καταγράψει τα με πολύγωνα όλα τα κτίρια στο χωριό του, μέχρι και ένα έμπειρο χρήστη που προσπαθεί να εκτιμήσει την έκταση/επέκταση του οδικού δικτύου σε ένα αστικό χώρο, ή να υπολογισθεί η καμένη περιοχή μιας δασικής έκτασης.

What this thesis aims to do is mainly to make a higher image-analysis package of information accessible for amateur scientific study. The lack of the interoperability halts today the developing rate of the instant image analysis techniques. At present, open source programming is increasingly spreading towards any possible direction and the free data transfer is also a basic trend in the present fast internet- daily-lifestyle. This thesis introduces a way to use the online free satellite data, in order to conduct multilevel segmentation analysis using the Mean Shift algorithm, in combination with some classification abilities based on Learning Vector Quantization (WEKA) algorithm. Far from being commercialized, this thesis suggests a simple way to increase the synergy of three different software packages, in order to set in motion further more solid attempts. Knowledge from a series of different technologies was brought together to achieve the present result. From Computer Graphic, to Advanced Statistics for Image Analysis and Machine Learning, to GUI development in Java, to Win32 GDI, to JNI and on. The convergence of the mean shift procedure to the closest mode of the underlying distribution is proven both for the Epanechnikov kernel and the general case of kernels with convex and monotonic decreasing profile. Exploiting parallel mean shift processes a robust clustering method, which was used for the analysis of complex feature spaces derived from RGB satellite data. The cluster centers are obtained by finding the modes of the underlying distribution and their basins of attraction define the cluster boundaries. Examples of image segmentation in a variety of implementations are presented to show the superior performance of the algorithm, as well as the effortless way to scientifically accommodate a wide spectrum of image analysis needs, from a simple user who wants to distinguish the water from the land, or to polygonize all the buildings in his village up to an experienced user who tries to estimate the green spaces in an urban area, or to calculate the burnt area of a forest.