اشاره: تشخیص ناهنجاری در تصاویر ماهوارهای فراطیفی

نوع مقاله: مقاله پژوهشی

نویسنده

دانشیار دانشگاه صنعتی مالک اشتر

چکیده

     طیّ سال‌های اخیر تشخیص ناهنجاری در تصاویر ماهواره‌ای فراطیفی، به یکی از کاربردهای مهم آشکارسازی اهداف در دورکاوی تبدیل شده است. در بسیاری از کاربردها، از جمله سامانه‌های نظامی، علاوه بر دقت الگوریتم‌ها، ‌سرعت اجرای آن‌ها نیز از اهمیت بالایی برخوردار است. بسیاری از الگوریتم‌های تشخیص ناهنجاری به دلیل این که باید روی یک تصویر با ابعاد بالا اعمال شوند، از سرعت پایینی برخوردارند.
     برای رفع محدودیت مذکور و بهبود کارایی این الگوریتم‌ها، روش‌های کاهش بعد به عنوان عملیات پیش‌پردازش برای این تصاویر توسعه یافته‎اند. برای بررسی دقیق دقت الگوریتم‌های تشخیص ناهنجاری به تصویری نیاز است که در آن‌ مختصات دقیق اهداف مشخص باشد. با استقرار اهداف در تصاویر فراطیفی، می‌توان به تصاویری با این خاصیت دست پیدا کرد. لذا از روش استقرار (کاشت) اهداف در تصویر فراطیفی، برای ارزیابی دقیق الگوریتم‌ها، استفاده شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Hint: Detection of abnormalities in satellite imaging

نویسنده [English]

  • Mahdi Modiri
Associate Professor of Urban planning, Malek-Ashtar University of Technolog
1- Acito, N. Corsini, M. and Cini, A.( 2004) “Experimental performance analysis of hyperspectral anomaly detectors,” in Image and Signal Processing for Remote Sensing X, Bellingham, WA, pp. 41-51.

2- Ashton, E. A.  and Schaum, A. (1998)“Algorithms for the detection of sub-pixel targets in multispectral imagery,” Photogrammetric engineering and remote sensing, vol. 64, no. 7, pp. 723–731.

3- Borghys, D. Truyen, E. Shimoni, M. and Perneel, C.( 2009) Anomaly detection in hyperspectral images of complex scenes, in Proceedings of 29th Earsel Symposium, MAI, Chania.

4- Chang, C.-I.  and Chiang, S. S. (2002)“Anomaly detection and classification for hyperspectral imagery,” IEEE Transactions on Geoscience and Remote Sensing, vol. 40, no. 6, pp. 1314–1325.

5- Duran, O. and Petrou, M. (2009)“Spectral unmixing with negative and superunity abundances for subpixel anomaly detection,” IEEE Geoscience and Remote Sensing Letters, vol. 6, no. 1, pp. 152-156.

-6 خزایی، صفا و همایونی، سعید و صفری، عبدالرضا(۱۳۸۹) تصویربرداری فراطیفی و ملاحظات آفا در برابر تهدیدات آن، علوم و فناوری های پدافند غیر عامل، سال اول، شماره ۲، صص ۶۳-۷۴.

7- Kwon, H.  and Nasrabadi, N. M. (2005)“Kernel RX-algorithm: a nonlinear anomaly detector for hyperspectral imagery,” IEEE Transactions on Geoscience and Remote Sensing, vol. 43, no. 2, pp. 388–397.

8- Liu, W.  and Chang, C.-I. (2004)“A nested spatial window-based approach to target detection for hyperspectral imagery,” in  IEEE International Geoscience and Remote Sensing Symposium, Anchorage, Alaska, pp. 266-268.

9- Ma, M. Crawford, M.  and Tian, J. (2010)“Anomaly Detection for Hyperspectral Images Based on Robust Locally Linear Embedding,” Journal of Infrared Millimeter and Terahertz Waves, Springer, pp. 753-762.

10- Mingkai, H.  and Chang, C.-I. (2004)“Adaptive causal anomaly detection for hyperspectral imagery,” in  IEEE International Geoscience and Remote Sensing Symposium, Anchorage, Alaska, pp. 3222-3224.

-11 صوف باف، سید رضا ،  صوف باف، سید پویا و ولدان زوج، محمد جواد (۱۳۸۸)«آشکارسازی آنومالی ها  و اهداف پنهان در تصاویر فراطیفی»، همایش سراسری سامانه اطلاعات مکانی، تهران، صص ۶۶-۵۵.

12- Sanderson, R.( 2011) Introduction to remote sensing, [Online]. Available: http://spacegrant.nmsu.edu/statewide/projects/remote_sensing.pdf.

13- Shippert, P.( 2003)   “Introduction to hyperspectral image analysis,” Online Journal of Space Communication, vol. 3.

14- Reed, I. S. and Yu, X.( 1990) “Adaptive multiple-band CFAR detection of an optical pattern with unknown spectral distribution,” IEEE Transactions on Acoustics, Speech and Signal Processing, vol. 38, no. 10, pp. 1760–1770.

15- Schweizer, S. M. and Moura, J. M. F. (2001)“Efficient detection in hyperspectral imagery,” IEEE Transactions on Image Processing, vol. 10, no. 4, pp. 584–597, Jan.

16- Ren, H. (2005) “Weighted anomaly detection for hyperspectral remotely sensed images,” in Proceedings of SPIE, pp. 599507-599507-6.