Wood Volume Measurement Using Color Images

Tämä työ käsittelee puutukkien tilavuuden mittaamista värikonenäön avulla. Värikuvat on saatu Simpeleellä olevan metsäteollisuusyrityksen hiomosta. Työssä esitetään perusteellisesti matemaattinen teoria, joka liittyy käytettyihin kuvankäsittelymenetelmiin, kuten luokitteluun, kohinan poistoon ja tukkien segmentointiin. Esitetyt menetelmät implementointiin käytännössä ja eri menetelmillä saatuja tuloksia vertailtiin keskenään. Kuvankäsittelyalgoritmit on implementoitu Matlab 6.0:n avulla. Pääasiassa käytettiin uusinta Image Processing Toolboxia, joka on versio 3.0. Tämä työn näkökulma on pääasiassa käytäntöön soveltava, koska metsäteollsuus on korkealla tasolla Suomessa ja siellä on paljon alan yrityksiä, joissa tässä työssä kehitettyä menetelmää voidaan hyödyntää.

Kohinan poisto spektrikuvista pehmeillä morfologisilla suodattimilla

Tämän diplomityön tavoitteena oli tutkia kohinan poistoa spektrikuvista käyttäen pehmeitä morfologisia suodattimia. Työssä painotettiin impulssimaisen kohinan suodattamista. Suodattimien toimintaa arvioitiin numeerisesti keskimääräisen itseisarvovirheen, neliövirheen sekä signaali-kohinasuhteen avulla ja visuaalisesti tarkastelemalla suodatettuja kuvia sekä niiden yksittäisiä spektritasoja. Käytettyjä suodatusmenetelmiä olivat suodatus kuvapisteittäin spektrin suunnassa, suodatus koko spektrissä sekä kuutiomenetelmä ja komponenteittainen suodatus. Suodatettavat kuvat sisälsivät joko suola ja pippuri- tai bittivirhekohinaa. Parhaimmat suodatustulokset sekä numeeristen virhekriteerien että visuaalisen tarkastelun perusteella saatiin komponenteittaisella sekä kuvapisteittäisellä menetelmällä. Työssä käytetyt menetelmät on esitetty algoritmimuodossa. Suodatinalgoritmien toteutukset ja suodatuskokeet tehtiin Matlab-ohjelmistolla.

Lossless Compression Methods for Multispectral Images: Development and Comparisons

Main purpose of this thesis is to introduce a new lossless compression algorithm for multispectral images. Proposed algorithm is based on reducing the band ordering problem to the problem of finding a minimum spanning tree in a weighted directed graph, where set of the graph vertices corresponds to multispectral image bands and the arcs’ weights have been computed using a newly invented adaptive linear prediction model. The adaptive prediction model is an extended unification of 2–and 4–neighbour pixel context linear prediction schemes. The algorithm provides individual prediction of each image band using the optimal prediction scheme, defined by the adaptive prediction model and the optimal predicting band suggested by minimum spanning tree. Its efficiency has been compared with respect to the best lossless compression algorithms for multispectral images. Three recently invented algorithms have been considered. Numerical results produced by these algorithms allow concluding that adaptive prediction based algorithm is the best one for lossless compression of multispectral images. Real multispectral data captured from an airplane have been used for the testing.

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.

Images as Proof. Photographic portrayal of Catastrophes in Helsingin Sanomat, 1969-1979

Tutkielman aiheena ovat Helsingin Sanomissa 1969 – 1979 uutisoitujen onnettomuuksien kuvallisen esittämisen tavat. Aihetta lähestytään analysoimalla V. K. Hietasen ottamia uutisartikkelien yhteydessä julkaistuja katastrofivalokuvia. Analyysi tapahtuu vertailemalla negatiiveja julkaistuihin kuviin, syventymällä kuvavalintoihin, sekä siihen, miten ne mahdollisesti vaikuttavat lukijoiden käsitykseen todellisuudesta. Tutkielmassa valokuvat toimivat itsenäisinä historian lähteinä, niiden arvo ja luotettavuus punnitaan omassa kontekstissaan. Vaikkakin lehtikuvat ovat pääasiallisena lähteenä, niiden suhde artikkeleihin ja kuvateksteihin on merkityksellinen. Katastrofi-termi viittaa tutkimuksessa onnettomuus- ja rikoskuviin, niiden yhdistäviä tekijöitä ovat draamallisuus ja dramaattisuus. Toisaalta kuvat ovat todisteita dramaattisesta tapahtumasta, toisaalta ne on rakennettu kertomaan tapahtuman tarina joko yksittäisessä kuvassa tai monesta kuvasta koostuvassa kuvasarjassa. Todistaminen ja kuvien rakentaminen tapahtuu pitkälti henkilöiden kautta. Personifikaation avulla uutisartikkelit ja niiden kuvat tuodaan lähemmäksi lukijoita. Valokuvien todistus- ja totuusarvot vaihtelevat julkaisuyhteydestä riippuen, vaikka kuvien alkuperäinen tarkoitus on todistaa tapahtumien todenperäisyydestä. Samoin vaatimus niiden autenttisuudesta on artikkelityypille alisteinen. Kuvavalinnoissa tasapainoillaan todellisuuden näyttämisen ja peittämisen välillä. Lukijoille luodaan kuvavalinnoin mediatapahtumia, joissa onnettomuuksien dramaattisuus korostuu, mutta samalla heille kuitenkin luodaan kuva harmonisesta yhteiskunnasta, jossa auktoriteetit ja yhteisöt liittävät voimansa yhteen taistelussa pahaa vastaan.