雪の結晶画像のクラス分類

目的

このデモは、写真画像が、その視覚的特徴に関して、マップ上でどのように順序づけできるかを示します。この事例では、類似性を決定するために、雪の結晶画像が、前の画像前処理に基づいて順序づけされています。

マップ中のどこかをクリックすると、対応する画像をビューワーの中に開くことができます。マップ中の近くをクリックすると、選択された画像に最もルいs字下項目を表示します。

アドバンテージとベネフィット

マップ上での画像へのダイレクトアクセス – たとえば、不動産、マイクロチップ、花、顔など – は、さまざまな分野で適用できる機能です。類似性に基づく画像の順序づけにより、マップ中での簡単なクリックで、選択された項目に類似した画像を見ることができます。より洗練された画像前処理を用いることにより、特定のアプリケーションで要求される補足的な詳細画像情報や質的データを含めることができます。

 

Classes

マップ中のどこかをクリックすると、対応するマイクロ・クラスタに含まれる雪の結晶画像が表示されます。

Snow crystals - attribute pictures クリックして拡大し、属性の分布を見る。

データソースと謝辞

1917年にWilson A. Bentley が Jericho, Vermont, USAで作成した雪の結晶のマイクログラフの史料保存から974枚の写真を使用しています。

Wilson Bentley ウェブサイトに行くと、この “Snowflake Man” についてのより詳しい情報があり、公開写真のCDを購入することができます。

データ前処理

オリジナルの画像をPNG形式に変換して、各画像について、3次までの回転不変画像モーメントと7種の周波数の平均振幅からなる特徴ベクトルを決定しました。対応する画像のURLを格納するために、各特徴ベクトルにリンクの変数を付け加えました。

SOM 作成

Viscovery Profilerで標準の設定を用いて、最終のデータ集合から自己組織化マップを作成しました。 “Accurate” トレーニング・スケジュールを使用して、画像モーメント属性には “重要度” を 1.5 としました。結果のマップでは、セグメンテーションの基盤として18個のクラスタを選びました。最終のセグメントは、雪の結晶のタイプのさまざまなクラスにしっかりと対応しているようです。ただし、ここで使用された特徴ベクトルは、基本の画像特性に関する情報のみを含んでおり、特定の結晶の特徴に関しての情報は含まれていないことに注意してください。

デモンストレーションでは、最終的な表示のために代表的な雪の結晶写真を表すアイコンをクラスタ内に置きました。