利用光谱增强激光雷达在杂波中进行异常检测
光学
2016-02-18 v1 机器学习
仪器与探测器
应用统计
机器学习
摘要
离散回波(DR)激光探测与测距(Ladar)系统提供从场景中物体反射的一系列回波。这些可以是首次、末次或多回波。相反，全波形(FW)-Ladar系统在一段时间内连续测量从物体反射的光强。在伪装场景，例如隐藏在浓密树叶后的物体，FW-Ladar穿透此类树叶并返回包括埋藏微弱回波的一系列回波。本文旨在学习以测量光谱为特征的共现回波的局部模式。对此类模式的偏离定义了森林/树木深度剖面中的异常事件。据作者所知，DR或FW-Ladar连同若干光谱测量尚未应用于异常检测。本工作提出一种算法，允许检测FW-多光谱激光雷达(FW-MSL)数据样本中的光谱和时间异常。异常定义为不符合先验期望的全波形时间和光谱特征，使用学习到的子空间（字典）和一组系数表示，系数利用重叠时间窗捕获共现局部模式。提出了一种基于随机近似的子空间学习修正优化方案。目标函数增加了表示子空间可分离特性的判别项，并支持异常表征。该算法检测隐藏在浓密植被杂波中的若干人造物体和异常光谱，并允许树种分类。
引用
@article{arxiv.1602.05264,
title = {Anomaly Detection in Clutter using Spectrally Enhanced Ladar},
author = {Puneet S Chhabra and Andrew M Wallace and James R Hopgood},
journal= {arXiv preprint arXiv:1602.05264},
year = {2016}
}