Hyperspectral Imaging Toolbox

Abstract

Hyperspectral Imaging Toolbox er et prosesseringsverktøy for hyperspektrale bilder, og er designet for å samle et bredt utvalg algoritmer i én plattform. Applikasjonen er utviklet i MATLAB App Designer, og inneholder algoritmer innenfor sentrale prosesseringskategorier, både for å illustrere enkeltalgoritmer, samt evne til å kombinere ulike kategorier av prosessering i pipelines. Denne oppgaven beskriver design- og bruk av plattformen, med mål om å være et nyttig verktøy for de involverte i HYPSO-prosjektene ved NTNU, samt andre prosjekter som involverer prosessering av hyperspektrale bilder.

Verktøyet testes under tre scenarioer, hvorav det første demonstrerer ulike grunnfunksjonaliteter og navigering i applikasjonen, etterfulgt av individuelle tester av et utvalg implementerte algoritmer, og til slutt et scenario der pipeline-funksjonaliteter demonstreres gjennom klassifiering med eller uten foregående dimensjonsreduksjon. Resultater tilsier at hyperspektrale bilder kan importeres og prosesseres gjennom verktøyet, samt at ulike algoritmer kan utføres sekvensielt. Grunnet begrensninger innenfor App Designer-miljøet foreligger det usikkerhet rundt valg av programmeringsspråk ved videre utvikling: om man skal holde seg til eksisterende MATLAB-miljø eller om man skal migrere til Python. Uansett er grunnmuren for et prosseseringsverktøy lagt, som kan brukes til å utvikle verktøyet videre.

The Hyperspectral Imaging Toolbox is designed to cluster the array of processing options for hyperspectral images within a single platform. The application is realized through MATLAB App Designer and provides algorithms within common processing categories, in addition to enabling sequential algorithm execution through processing pipelines. This thesis describes the platform design along with demonstration of usage, with goals of it being applicable for the HYPSO mission and other projects involving hyperspectral imaging.

The toolbox undergoes testing for three separate scenarios, whereas the first demonstrates basic functionalities and navigation of the application, followed by testing of individual algorithms within the different processing categories, and finally a scenario of which pipeline functionalities are demonstrated through a classification scheme applied to two hyperspectral data sets, with or without preceding dimensionality reduction. Results indicate that HSIs are successfully imported and processed, and that processing steps can be stacked for sequential execution. Due to limitations within the App Designer environment, it is debatable whether or not the best option for continued development is to remain in the MATLAB environment, or migrate to Python. Regardless, the application demonstrates required functionalities and lies a base framework for continued future development.