識別的メトリック学習に基づく異常検出手法

高いスペクトル解像度により、ハイパースペクトル画像からの異常検出は、特にデータセットの大多数とスペクトル的に異なる潜在的対象をシーン内で特定する新しい方法を提供します。従来のマハラノビス距離に基づく異常検出手法は、異常検出メトリックを構築するために背景統計に依存しています。これらの手法の主な問題の一つは、背景のガウス分布の仮定が合理的でない可能性があることです。さらに、これらの手法は、異常画素によって従来の背景共分散行列が汚染される影響を受けやすいです。本稿では、識別情報を使用して異常画素と他の背景画素との間の分離性を高めるために、堅牢な異常度メトリックを効果的に利用する新しい異常検出手法を提案します。まず、多様体特徴を使用して画素を潜在的異常部分と潜在的背景部分に分割します。この手続きは識別情報学習と呼ばれます。次に、堅牢な異常度測定を得るためにメトリック学習手法が実行されます。3つのハイパースペクトルデータセットを用いた実験により、提案手法が他の現在の異常検出手法よりも優れていることが明らかになりました。また、いくつかの重要なパラメータに対する手法の感度も調査されています。