用于异常变化检测的非线性Cook距离
计算机视觉与模式识别
2020-12-24 v1 机器学习
摘要
在这项工作中，我们提出了一种基于chrono-chrome（时间色谱）方法的遥感图像异常变化发现方法。利用图像间的回归器来发现观测数据中最具影响力的点。通常，残差最大的像素被判定为异常变化。为了发现异常像素，我们考虑Cook距离，并提出了使用随机傅里叶特征作为其非线性扩展的方法，作为一种高效的非线性影响度量。在不同多光谱图像上的良好经验性能通过ROC曲线从视觉和定量上得到了展示。
引用
@article{arxiv.2012.12307,
title = {Nonlinear Cook distance for Anomalous Change Detection},
author = {José A. Padrón Hidalgo and Adrián Pérez-Suay and Fatih Nar and Gustau Camps-Valls},
journal= {arXiv preprint arXiv:2012.12307},
year = {2020}
}