Target identification with hyperspectral lidar

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Manninen, Albert
dc.contributor.advisor Kääriäinen, Teemu
dc.contributor.author Myntti, Matleena
dc.date.accessioned 2015-05-13T08:57:04Z
dc.date.available 2015-05-13T08:57:04Z
dc.date.issued 2015-05-12
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/15975
dc.description.abstract Hyperspectral lidar is a remote sensing technique based on active broadband illumination of a target and measuring a spectrum of the backscattered light. Hyperspectral imaging that uses ambient lighting (such as sunlight) is widely used in numerous applications ranging from crop management to military applications, yet actively illuminating long-distance lidar devices have been lacking until recently. A fully automated long-range hyperspectral imaging lidar instrument was built and tested in the Centre for Metrology and Accreditation (Mittatekniikan keskus, MIKES) in 2013. This device could be used for spectral imaging for the wavelength band 1000-2300 nm. However, the control software lacked spectral analysis and material identification functionality. This Master's thesis introduces the implementation and testing of a solid material identification software for the hyperspectral lidar imaging instrument. The software is based on five different spectral matching algorithms, which are the Euclidean distance, the spectral angle mapper (SAM), the linear correlation, the multidimensional normal distribution (MND), and the spectral information divergence (SID) algorithms. These algorithms use several library spectra of each material type in order to express the spectral variability of materials; this differs from the usual approach in the literature, in which the measured spectra are normally compared against one library spectrum per each material type candidate. The methods were tested with different band divisions, variance scaling parameters, and material and library spectrum classification choices. The software shows promising potential, even though limitations in the lidar instrument bring challenges. In laboratory environment, the instrument is capable of accurate material recognition, while field measurements were proven more challenging. However, the instrument and the software have a few characteristics that can be improved, giving the setup potential to give even better performance. en
dc.description.abstract Hyperspektrinen lidar on kaukotunnistusmenetelmä, joka perustuu kohteen aktiiviseen valaisuun laajalla aallonpituuskaistalla sekä heijastuneen valon spektrin mittaamiseen. Ympäristön valoa kuten auringonvaloa hyödyntävät kaukokuvantamismenetelmät ovat olleet pitkään käytössä lukuisissa eri sovelluksissa aina viljapeltojen kuvantamisesta maanpuolustukseen. Sen sijaan aktiivista valaisua käyttäviä kaukokuvantavia lidar-laitteita ei ole juuri rakennettu ennen kuin aivan viime vuosina. Vuonna 2013 Mittatekniikan keskuksessa (MIKES) rakennettiin ja testattiin automatisoitu kaukokuvantava hyperspektrinen lidar-instrumentti, jota voidaan käyttää spektriseen kuvantamiseen 1000-2300 nm kaistalla. Laitteen ohjausohjelmistosta kuitenkin puuttui vielä toiminnot spektrien analysoinnille ja materiaalitunnistukselle. Tässä diplomityössä esitellään kiinteiden aineiden tunnistusohjelmiston kehitys ja testaus rakennetulle hyperspektriselle lidar-kuvantamisinstrumentille. Ohjelmisto käyttää viittä eri spektristä sovitusalgoritmia, joiden perustana ovat euklidinen etäisyys, spektrinen kulmakartoittaja (SAM), lineaarinen korrelaatio, moniulotteinen normaalijakauma (MND) sekä spektrisen informaation divergenssi (SID). Nämä algoritmit käyttävät useita kirjastospektrejä per materiaali ilmaistaakseen spektristä vaihtelua, mikä poikkeaa tavanomaisesta lähestymistavasta eli mitatun spektrin vertailusta yhteen kirjastospektriin per materiaalivaihtoehto. Näitä metodeita kokeiltiin käyttäen erilaisia kaistajakoja, varianssiskaalausparametreja sekä materiaalityyppi- ja kirjastoluokitteluvalintoja. Ohjelmistossa näyttää olevan lupaavia mahdollisuuksia, joskin lidar-instrumentin rajoitukset tuovat haasteita. Laboratorio-olosuhteissa instrumentti kykeni tarkkaan materiaalitunnistukseen, mutta kenttämittaukset osoittautuivat haasteellisiksi. Instrumentissa ja ohjelmistossa on ominaisuuksia joita voi yhä parantaa, ja siten laitteen toimintakykyä voidaan parantaa entisestään. fi
dc.format.extent 78+12
dc.format.mimetype application/pdf en
dc.language.iso en en
dc.title Target identification with hyperspectral lidar en
dc.title Kohteentunnistus käyttäen hyperspektristä lidaria fi
dc.type G2 Pro gradu, diplomityö en
dc.contributor.school Perustieteiden korkeakoulu fi
dc.subject.keyword lidar en
dc.subject.keyword hyperspectral en
dc.subject.keyword remote sensing en
dc.subject.keyword target identification en
dc.subject.keyword spectral identification software en
dc.subject.keyword spectral matching en
dc.identifier.urn URN:NBN:fi:aalto-201505132634
dc.programme.major Optiikka fi
dc.programme.mcode F3004 fi
dc.type.ontasot Master's thesis en
dc.type.ontasot Diplomityö fi
dc.contributor.supervisor Kaivola, Matti
dc.programme Teknillisen fysiikan ja matematiikan koulutusohjelma fi


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account