Statistical Analysis of Spectral Images

Tämä diplomityö liittyy Spektrikuvien tutkimiseen tilastollisen kuvamallin näkökulmasta. Diplomityön ensimmäisessä osassa tarkastellaan tilastollisten parametrien jakaumien vaikutusta väreihin ja korostumiin erilaisissa valaistusolosuhteissa. Havaittiin, että tilastollisten parametrien väliset suhteet eivät riipu valaistusolosuhteista, mutta riippuvat kuvan häiriöttömyydestä. Ilmeni myös, että korkea huipukkuus saattaa aiheutua värikylläisyydestä. Lisäksi työssä kehitettiin tilastolliseen spektrimalliin perustuvaa tekstuurinyhdistämisalgoritmia. Sillä saavutettiin hyviä tuloksia, kun tilastollisten parametrien väliset riippuvuussuhteet olivat voimassa. Työn toisessa osassa erilaisia spektrikuvia tutkittiin käyttäen itsenäistä komponenttien analyysia (ICA). Seuraavia itsenäiseen komponenttien analyysiin tarkoitettuja algoritmia tarkasteltiin: JADE, kiinteän pisteen ICA ja momenttikeskeinen ICA. Tutkimuksissa painotettiin erottelun laatua. Paras erottelu saavutettiin JADE- algoritmilla, joskin erot muiden algoritmien välillä eivät olleet merkittäviä. Algoritmi jakoi kuvan kahteen itsenäiseen, joko korostuneeseen ja korostumattomaan tai kromaattiseen ja akromaattiseen, komponenttiin. Lopuksi pohditaan huipukkuuden suhdetta kuvan ominaisuuksiin, kuten korostuneisuuteen ja värikylläisyyteen. Työn viimeisessä osassa ehdotetaan mahdollisia jatkotutkimuskohteita.

The thesis is devoted to spectral image study from the viewpoint of statistical image model. In the first part of the thesis the influence of spectral distributions of statistical parameters on color and highlight appearance under different light sources is studied. It was discovered that the relations between statistical parameters do not depend on the light source, but depend on its noisiness. It was observed that high kurtosis value can be forced by saturated color. In addition, improved spectral texture synthesis algorithm based on statistical spectral model was introduced. It showed good results when the relationship between statistical parameters was satisfied. In the second part different spectral images were analyzed using independent component analysis (ICA). Following ICA algorithms were examined: JADE, FastICA, and Moment-based ICA. In the investigation, quality of separation was emphasized. The best separation was achieved by applying JADE algorithm, although the differences compared to other ICA algorithms were not significant. The algorithm decomposed the image into highlighted and non-highlighted or chromatic and achromatic independent components. Finally, suggestions about the relation of kurtosis value to image properties, such as highlighteness and colors saturation, were made. In the last part of the thesis unsolved problems and new ideas for future work are given.