الگوریتم های آشکارسازی در تصاویر فراطیفی

داده های فراطیفی، امکان شناسایی هدف های مختلف را در تصویر فراهم می کنند . به واسطه این داده ها، کاربردهای زیادی در حیطه شناسایی هدف ها و تعیین میزان انامولی و تعیین ویژگیهای زمینه تصویر قابل مطرح کردن می باشد که تصاویر چند طیفی، توانایی لازم در این زمینه را ندارند . الگوریتم های مختلف آشکارسازی بر حسب اینکه هدف ها full-pixel یا sub-pixel باشند، طراحی شده است و برای آشکارسازی هدف های sub-pixel ، بر حسب اینکه پارامترهای آماری زمینه شناخته شده باشد ( زمینه ساختار یافته ) یا نباشد ( زمینه ساختار نیافته ) ، الگوریتم های مختلفی طراحی شده است . در این مقاله، ارزیابی و بررسیهایی روی الگوریتم های موجود برای آشکارسازی هدف ها انجام گرفته است که قادر به جداسازی مواد از زمینه، بر پایه مشخصه طیفی اهداف هستند و از بعضی از این الگوریتمها چون (OSP) و Adaptive Coherent Estimator (ACE) Linear Spectral Mixture (LS) و orthogonal subspace projection برای آشکارسازی مواد معدنی در تصاویری که توسط سنجنده Hymap ، از منطقه Cuprite در NEVADA به دست آمده، استفاده شده است . نتایج نشان می دهد از بین الگوریتم های ذکر شده، الگوریتم ACE دارای عملکرد بهتری است و توانایی این الگوریتم در آشکارسازی مواد معدنی بیشتر است . منحنی های ROC ، به منظور ارزیابی عملکرد آشکارسازها در این مقاله استفاده شده است

کلیدواژه ها:

Hyperspectral imaging ، orthogonal subspace projection ، Adaptive Coherent Estimator ، Linear Spectral Mixture ، ROC ، Target detection