دادههای فراطیفی در حوزه سنجشازدور، با قدرت تفکیک طیفی بسیار مناسب (حدود 10 نانومتر) تهیه شده و شامل باندهای زیادی هستند. کشف ماده هدف، از مهمترین کاربردهای دادههای فراطیفی است. یکی از مسائل کشف مادۀ هدف، تغییرپذیری طیفی مواد ناشی از تأثیر توپوگرافی و اختلاط طیفی است. علاوه بر این، نویز حاصل از نقص سنجنده و اثرات اتمسفری نیز باعث عدم ثبات طیفی یک ماده در موقعیتهای مختلف میشود. روشهای کشف هدف، این تغییرات را مدلسازی نموده و بر این اساس استخراج هدف را انجام میدهند. روشهای آماری و روشهای برمبنای زیرفضا، دو مورد از معروفترین الگوریتمهای کشف هدف میباشند. ضعف این روشها، در نظر گرفتن فرضیات آماری خاص و مدلسازی تغییرات طیفی با پارامترهای محدود میباشد. از این رو در این مقاله یکی از روشهای قدرتمند کشف هدف، بهنام نمایش تنک استفاده شدهاست که شرایط مختلف رفتار طیفی هدف و زمینه را بهصورت ماتریسهایی، تحت عنوان واژهنامه، مدلسازی نموده و درواقع زیرفضای کاملی از طیف مواد و تغییرات آن ایجاد مینماید. چالش اصلی روشهای نمایش تنک، جهت کشف ماده هدف، ارائه واژهنامه خالص (بدون اختلاط طیفی) میباشد. در تحقیقات پیشین، سه روش جفت پنجره، عمومی و آموزش واژهنامه پیشنهاد شده است. ایراد اساسی این روشها ایجاد اختلاط طیفی بین اتمهای واژهنامه و طیف هدف میباشد. با توجه به نقاط ضعف روشهای ذکر شده، در این پژوهش روشی جهت ساخت واژهنامه پیشنهاد شده است که اتمهای واژهنامه، علاوه بر ایجاد زیرفضاهای کامل و مدلسازی تغییرات طیفی، در حد امکان خالص نیز میباشد. در روش پیشنهادی دو مقصود تشکیل زیرفضاهای زمینه و به حداقل رساندن اختلاط طیفی اتمهای واژهنامه و هدف دنبال میشود. بهمنظور رسیدن به این دو مقصود، همبستگی طیف هدف و کل پیکسلهای تصویر محاسبهشده و از میان پیکسلهای تصویر، از کمترین تا بیشترین میزان همبستگی با طیف هدف، واژهنامههای متفاوتی برای زمینه ایجاد میشود. درنهایت از بین واژهنامههای ایجادشده، واژهنامهای انتخاب میشود که زیرفضای کاملی از تصویر ایجاد نماید و آن زیرفضا نیز، کمترین میزان همبستگی با طیف هدف را داشتهباشد. در این مقاله روش پیشنهادی ساخت واژهنامه بههمراه یک مدل نمایش تنک، بهنام SRBBH بهکاررفته و تحت عنوان روش Proposed+SRBBHمعرفیشده است. برای بررسی میزان کارآمدی روشهای ارائهشده، یک مجموعه داده شبیهسازی و سه داده واقعی استفاده شد و بهمنظور ارزیابی روشها، مساحت زیر سطح نمودار ROCمورد استفاده قرار گرفت. در آزمایشهای اجرا شده بر دو داده Cuprite و Sandiego، مساحت زیر نمودار به ترتیب 9997/0 و 9961/0 بهدست آمد که نسبت به سایر روشها مقادیر بیشتری را نشان میدهد. برای دو مجموعه داده دیگر نیز برای اکثر هدفها، روش پیشنهادی نسبت به سایر روشها عملکرد بهتری را نشان میدهد.
Azizi R, Sattari M, Momeni M. A New Dictionary Construction Method in Sparse Representation Techniques for Target Detection in Hyperspectral Imagery. JGST 2020; 10 (1) :111-132 URL: http://jgst.issgeac.ir/article-1-825-fa.html
عزیزی رضا، ستاری مهران، مومنی مهدی. ارائه روش جدید تولید واژه نامه در روش های نمایش تنک جهت کشف هدف درون تصاویر فراطیفی. علوم و فنون نقشه برداری. 1399; 10 (1) :111-132