Spektrikuvien tiivistäminen itseorganisoituvan kartan avulla.

Vuosi vuodelta kasvava tietokoneiden prosessointikyky on mahdollistanut harmaataso- ja RGB-värikuvia tarkempien spektrikuvien käsittelyn järjellisessä ajassa ilman suuria kustannuksia. Ongelmana on kuitenkin, ettei talletus- ja tiedonsiirtomedia ole kehittynyt prosessointikyvyn vauhdissa. Ratkaisu tähän ongelmaan on spektrikuvien tiivistäminen talletuksen ja tiedonsiirron ajaksi. Tässä työssä esitellään menetelmä, jossa spektrikuva tiivistetään kahdessa vaiheessa: ensin ryhmittelemällä itseorganisoituvan kartan (SOM) avulla ja toisessa vaiheessa jatketaan tiivistämistä perinteisin menetelmin. Saadut tiivistyssuhteet ovat merkittäviä vääristymän pysyessä siedettävänä. Työ on tehty Lappeenrannan teknillisen korkeakoulun Tietotekniikan osaston Tietojenkäsittelytekniikan tutkimuslaboratoriossa osana laajempaa kuvantiivistyksen tutkimushanketta.

Evergrowing computing power has made it possible to process more and more accurate spectral images in reasonable time without huge costs. The problem is that performance of storage and transmission media is not up to the task when dealing with large spectral images. One way to overcome this is to compress spectral images. In this work, a method for compressing spectral images in two stages is presented. In the first stage the image is clustered using the Self-Organizing Map (SOM), and in the second stage the image is compressed using more traditional techniques. Compression rates achieved are substantial and the distortion in an image is tolerable. This thesis was done in the Laboratory of Information Processing of the Department of Information Technology of the Lappeenranta University of Technology as a part of image compression research.