Çizge kesit yöntemi ile hiperspektral görüntülerde anomali tabanlı hedef tespiti

Abstract

Hiperspektral hedef tespiti için yürütülen çalışmalar genel olarak iki sınıfta degerlendirilebilir. İlk sınıf olan anomali tespit yöntemlerinde, hedefin görüntünün geri kalanından farklı oldugu bilgisi kullanılarak görüntü analiz edilmektedir. Diğer sınıfta ise daha önceden bilgisi edinilmiş hedefe ait spektral imza ile görüntüdeki herbir piksel arasındaki benzerlik bulunarak hedefin konumu tespit edimektedir. Her iki sınıf yöntemin de önemli bir dezavantajı hiperspektral görüntü piksellerini bagımsız olarak degerlendirip, aralarındaki komşuluk ilişkilerini gözardı etmesidir. Bu makalede anomali tespit ve imza tabanlı tespit yakla¸sımlarını, pikseller arası komşuluk ilişkilerini de göz önünde bulundurarak birleştiren çizge yaklaşımına dayalı yeni bir yöntem önerilmiştir. Hedeflerin hem imza bilgisine sahip olundugu hem de anomali sayılabilecek ölçülerde olduğu varsayılarak önerilen çizge yaklaşımında önplan için imza bilgisi kullanan özgün bir türev tabanlı uyumlu filtre önerilmiştir. Arkaplan için ise seyreklik bilgisi kullanarak Gauss karışım bileşeni kestirimi yapan yeni bir anomali tespit yöntemi geliştirilmiştir. Son olarak komşular arası benzerligi tanımlamak için ise spektral bir benzerlik ölçütü olan spektral açı eleştiricisi kullanılmıştır. Önerilen çizge tabanlı yöntemin önplan, arkaplan ve komşuluk ilişkilerini uygun şekilde birleştirdigi ve önceki yöntemlere göre hedefi gürültüden arınmış bir bütün şeklinde başarıyla tespit edebildigi gözlemlenmiştir. The studies on hyperspectral target detection until now, has been treated in two approaches. Anomaly detection can be considered as the first approach, which analyses the hyperspectral image with respect to the difference between target and the rest of the hyperspectral image. The second approach compares the previously obtained spectral signature of the target with the pixels of the hyperspectral image in order to localize the target. A distinctive disadvantage of the aforementioned approaches is to treat each pixel of the hyperspectral image individually, without considering the neighbourhood relations between the pixels. In this paper, we propose a target detection algorithm which combines the anomaly detection and signature based hyperspectral target detection approaches in a graph based framework by utilizing the neighbourhood relations between the pixels. Assuming that the target signature is available and the target sizes are in the range of anomaly sizes, a novel derivative based matched filter is first proposed to model the foreground. Second, a new anomaly detection method which models the background as a Gaussian mixture is developed. The developed model estimates the optimal number of components forming the Gaussian mixture by means of utilizing sparsity information. Finally, the similarity of the neighbouring hyperspectral pixels is measured with the spectral angle mapper. The overall proposed graph based method has successfully combined the foreground, background and neighbouring information and improved the detection performance by locating the target as a whole object free from noises. © 2015 IEEE.