Anomaly Detection with Sparse Unmixing and Gaussian Mixture Modeling of Hyperspectral Images

Anomali tespiti, hiperspektral görüntü analizindeki ana uygulamalardan biridir. Anomali tespitindeki problem, görüntüde seyrek olarak bulunan, çevresine göre farklılık gösteren küçük nesnelerin tespitidir. Yaygın yaklaşımlardan biri görüntü arka planının modellenmesi ve sınanan pikselin bu modele olan farklılığına göre sınıflandırılmasıdır. Ancak, karmaşık arka planların modellenmesi kolay değildir. Bu kapsamda, Gauss karışım modeli tabanlı bir anomali tespiti yöntemi önerilmektedir. Öncelikle görüntü belirli sayıda spektral gruplara ayrılmaktadır. Ardından seyrek spektral ayrıştırma bütün spektral grouplarda uygulanmaktadır. Sonrasında, elde edilen son eleman bolluk değerleri kullanılarak, eşikleme tabanlı, sıra düzenli tabanlı, ve ̧cift yönlü öbekleme tabanlı olmak üzere üç farklı yöntem ile baskın arka plan grupları tespit edilmektedir. Ardından, belirlenen arka plan gruplarını temsil eden pikseller başlangıç değerlerinin hesaplanmasında kullanılmak üzere, her bir spektral grup için bir Gauss karışım modeli öğrenilmektedir. Önerilen yöntem karışım modeli için bileşen sayısının otomatik belirlenmesine ve kestirim sürecinin etkili başlatılmasına olanak sağlamaktadir. Son olarak, ̈öğrenilen Gauss karışım modelleri istatistiksel olarak birleştirilerek sonuç anomali haritası elde edilmektedir. Deneysel veriler göstermektedir ki önerilen yöntemler, özellikle düşük yanlış alarm değerleri için, diğer yöntemlere göre daha yüksek performans sağlamaktadır.