长波红外高光谱视频序列数据中气体羽流的检测与跟踪
计算机视觉与模式识别
2024-11-04 v1 图像与视频处理
摘要
化学羽流的自动化检测提出了一个分割挑战。由于气云的扩散性质，气体羽流的分割问题十分困难。在气体羽流检测问题中，考虑高光谱图像相较于传统 RGB 图像的优势在于非视觉数据的存在，允许更丰富的信息表示。在本文中，我们提出了一种可视化包含化学羽流的高光谱视频序列的有效方法，并研究了分割技术在这些后处理视频上的有效性。我们的方法结合了降维和直方图均衡化来为分割准备高光谱视频。首先，使用主成分分析（PCA）来降低整个视频序列的维度。这是通过将每个像素投影到前几个主成分上来实现的，从而产生一种光谱滤波。接下来，使用一种 Midway 直方图均衡化方法。这些方法重新分配强度值以减少帧间闪烁。这为更传统的分割技术恰当地准备了这些高维视频序列。我们比较了各种聚类技术正确分割化学羽流的能力。这些技术包括 K-means、谱聚类和 Ginzburg-Landau 泛函。
引用
@article{arxiv.2411.00281,
title = {Detection and tracking of gas plumes in LWIR hyperspectral video sequence data},
author = {Torin Gerhart and Justin Sunu and Ekaterina Merkurjev and Jen-Mei Chang and Jerome Gilles and Andrea L. Bertozzi},
journal= {arXiv preprint arXiv:2411.00281},
year = {2024}
}