Konvexe Geometrie basierte ausreißerunempfindliche Schätzung der Anzahl der Endmitglieder in hyperspektralen Bildern

Die genaue Schätzung der Anzahl der Endmitglieder in einem gegebenen hyperspektralen Datensatz spielt eine entscheidende Rolle bei der effektiven Entmischung und Identifikation der in der interessierten Szene vorhandenen Materialien. Die Schätzung der Anzahl der Endmitglieder ist jedoch aufgrund der unvermeidlichen gemeinsamen Präsenz von Rauschen und Ausreißern ziemlich herausfordernd. Kürzlich haben wir einen konvexen Geometriebasierten Algorithmus vorgeschlagen, nämlich die Geometriebasierte Schätzung der Anzahl der Endmitglieder - affiner Hüllraum (GENE-AH), um zuverlässig die Anzahl der Endmitglieder bei nur Rauschen abzuschätzen. In diesem Papier werden wir demonstrieren, dass der GENE-AH-Algorithmus auch für Daten, die sowohl durch Ausreißer als auch durch Rauschen beeinträchtigt sind, zur zuverlässigen Schätzung der Anzahl der Endmitglieder geeignet ist, ohne dass vorherige Kenntnisse über die im Datensatz vorhandenen Ausreißer erforderlich sind. Zunächst wird der GENE-AH-Algorithmus (neben seinem inhärenten Endmitgliedextraktionsalgorithmus: p-Norm-basierte Identifikation reiner Pixel (TRI-P)) verwendet, um die Menge der Kandidaten-Pixel (möglicherweise einschließlich der Ausreißer-Pixel) zu identifizieren, die zur affinen Dimension der hyperspektralen Daten beitragen. Inspiriert von der Tatsache, dass die affine Hülle der hyperspektralen Daten intakt bleibt für jeden Datensatz, der mit denselben Endmitgliedern verbunden ist (die möglicherweise nicht im Datensatz enthalten sind), wird die erneut Anwendung von GENE-AH auf die korrumpierten Daten mit den identifizierten Kandidaten-Pixeln entfernt, eine zuverlässige Schätzung der wahren affinen Dimension (Anzahl der Endmitglieder) dieser gegebenen Daten liefern. Computersimulationen unter verschiedenen Szenarien werden gezeigt, um die Wirksamkeit der vorgeschlagenen Methodik zu demonstrieren.