基于高阶多元累积量的高光谱图像小目标检测波段选择
计算机视觉与模式识别
2018-08-13 v1
摘要
在小目标检测问题中,待定位的模式在数量级上远少于数据集中存在的其他模式。这既适用于已知模板预期仅在极少数区域匹配的监督检测,也适用于无监督异常检测,因为异常按定义是稀有的。该问题常与成像应用相关,即由相机获取的场景内检测。为最大化关于场景的可用数据,使用高光谱相机;它们在每个像素记录数百个窄波段的频谱数据。高光谱成像的典型特征是目标材料的特性在少数波段中显现,其中特定波长的光与特征分子相互作用。基于统计原理的与目标无关的波段选择方法是不同实际应用中解决该问题的通用工具。规则背景与稀有突出异常的组合会在高光谱像素的联合分布中产生畸变。高阶累积量张量是观察该分布的一个天然“窗口”,允许度量性质并建议待剔除的候选波段。尽管已有基于第 3 阶累积量张量即联合偏度的波段选择算法尝试,文献缺乏关于所使用累积量张量阶数如何影响检测应用中波段选择有效性的系统分析。本文给出基于高阶累积量的波段选择通用算法分析。我们讨论其可用性,涉及所观测到的性能拐点,取决于方法阶数与期望波段数。最后我们进行实验并在高光谱检测场景中评估这些方法。
引用
@article{arxiv.1808.03513,
title = {Band selection with Higher Order Multivariate Cumulants for small target detection in hyperspectral images},
author = {Przemysław Głomb and Krzysztof Domino and Michał Romaszewski and Michał Cholewa},
journal= {arXiv preprint arXiv:1808.03513},
year = {2018}
}