Hiperspektral görüntülerde anomali tespiti için seyrek matris ayrıştırma ve düşük sıra tabanlı teknikler

Hiperspektral görüntüleme, yer yüzeyindeki malzemeleri ayırt etmek için popüler bir uzaktan algılama teknolojisidir. Çok sayıda dar, bitişik ve sürekli spektral bant tarafından saptanan yansıyan ve yayılan radyasyon görüntüleme spektrometreleri ile toplanır. Daha sonra bu teknoloji tarafından analiz edilir ve değerlendirilirler. Hiperspektral görüntü işleme teknikleri, tarımsal bitkileri tespit etmek ve sınıflandırmak, gıdaların tazeliğini belirlemek, tıpta hastalıklı alanları tespit etmek gibi farklı amaçlarla birçok uygulama alanında kullanılmaktadır. Bu çalışmada, hiperspektral veriler için seyrek ve düşük dereceli bir matris ayrışmasına dayalı anomali saptama yöntemi önerilmiştir. Yüksek boyutlu veriler, sırasıyla arka planı ve anomalileri temsil eden düşük dereceli ve seyrek matrislere ayrıştırılır. Bu ayrıştırma problemi sözlük öğrenme bakış açısıyla tanımlanır. Bu nedenle, bu matrisleri elde etmenin yolu önceki çalışmalardan farklıdır. Verilerin doğru bir bölümünü bulmayı ve anomali piksellerini arka plandan ayırmayı amaçlamaktadır. Ayrıştırma işleminden sonra, verilerin seyrek matris kısmına anomali yerleri bulmak için Mahalanobis uzaklığı uygulanır. Deneysel sonuçlar, önerilen yöntemin anomali saptama performansının, en gelişmiş yöntemlerin performansını aştığını göstermektedir.