عنوان مقاله ترجمه شده:تشخیص ناهنجاری فراطیفی بوسیله فیلتر عبوری2 بعدی مرتبه بالا
عنوان انگلیسی مقاله ترجمه شده:Fast Hyperspectral Anomaly Detection via High-Order 2-D Crossing Filter
سال انتشار مقالهنام ژورنالتعداد صفحات مقاله ترجمه شده
2015IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING11
چکیده فارسی:تشخیص ناهنجاری در تحلیل فراطیفی تصاویر موضوعی مهم می باشد. این روش برخی مواقع به روش های تشخیص هدف های دارای اولویت ترجیح داده می شود، چون نیازمند هیچ اطلاعات اولیه ای برای موضوعات مطلوب ما نمی باشد. در این زمینه تلاش های بسیاری صورت گرفته است. با این حال، آنها معمولا از هزینه زمانی بیش از حد و نرخ مثبت کاذب بالا رنج می برند. دو مشکل اصلی که منجر به چنین وضع نامساعدی می شود وجود دارد. اولا، ساختار مدل پس زمینه و برآورد وابستگی اغلب بیش از حد پیچیده هستند. دوما، بیشتر این روش ها باید فرضی دقیق در توزیع طیف پس زمینه ایجاد کنند؛ با این حال، این فرضیات نمی توانند برای همه ی شرایط عملی به کار روند. براساس این نظریات، این مقاله روشی جدید برای تشخیص سریع و در عین حال دقیق ناهنجاری فرا طیفی در سطح پیکسل ارائه داده است. کارهای انجام شده در این مقاله: 1) ساختار روش عبوری دو بعدی مرتبه بالا نواحی تغییر سریع را در طیف پیدا می کند، که بدون هیچ فرض اولیه ای اجرا می شود؛ و 2) طراحی چارچوبی برای تفکیک پذیری پیچیدگی کم به منظور تشخیص سریع ناهنجاری فرا طیفی، که می تواند توسط مجموعه ای از اپراتورهای فیلتر گذاری با تابع هزینه زمانی خطی اجرا شود. آزمایشات بر روی سه تصویر فرا طیفی مختلف که شامل چندین ناهنجاری در سطح پیکسل انجام شده که برتری تشخیص دهنده ارائه شده را در مقایسه با روش های سنجشی نشان می دهد.
چکیده انگلیسی:Anomaly detection has been an important topic in hyperspectral image analysis. This technique is sometimes more preferable than the supervised target detection because it requires no aprioriinformation for the interested materials. Many efforts have been made in this topic; however, they usually suffer from excessive time cost and a high false-positive rate. There are two major problems that lead to such a predicament. First, the construction of the background model and affinity estimation are often overcomplicated. Second, most of these methods have to impose a stringent assumption on the spectrum distribution of back- ground; however, these assumptions cannot hold for all practical situations. Based on this consideration, this paper proposes a novel method allowing for fast yet accurate pixel-level hyperspectral anomaly detection. We claim the following main contributions: 1) construct a high-order 2-D crossing approach to find the regions of rapid change in the spectrum, which runs without any aprioriassumption; and 2) design a low-complexity discrimination framework for fast hyperspectral anomaly detection, which can be implemented by a series of filtering operators with linear time cost. Experiments on three different hyperspectral images containing several pixel-level anomalies demonstrate the superiority of the proposed detector compared with the benchmark methods.
کلمات کلیدی مقاله:
دانلود اصل مقاله ترجمه نشده افزودن به سبد خرید