読者です 読者をやめる 読者になる 読者になる

農学部×Linux

農学部で情報系の勉強をしている人の備忘録。

【論文メモ6】Real-Time Progressive Hyperspectral Image Processing: Endmember Finding and Anomaly Detection

タイトル:Real-Time Progressive Hyperspectral Image Processing: Endmember Finding and Anomaly Detection

著者:Chao-Cheng Wu et al.

雑誌:Journal of Real-Time Image Processing June 2012, Volume 7, Issue 2, pp 105–129.

ざっくり:

N-finderとpixel purity index (PPI)はエンドメンバーの決定に最も広く使われている手法である。

PPIの問題は他の論文で述べられているので、この論文ではN-FINDERに焦点を当てる。

問題1:エンドメンバーの数pが事前にわかっていないとならない。 →繰り返しN-FINDERを実行するのを避けるために、pを確実に推定することが大切。 →Virtual Dimentionality(VD)という新しい考えで対処される。

問題2:初期値によって最終的に決定されるエンドメンバーが変わってくる。 →カスタム設計された初期値決定アルゴリズムによって得られた適切な初期値集合によって解決される。

問題3:計算量が大きい。

問題1はすでに研究されているので、問題2と3に焦点を当てる。

N-FINDRは最大体積となるような頂点pを同時に見つけなければならないので、SiMultaneous N-FINDR (SM N-FINDR)と本論文では呼ぶ。 pの組み合わせは、$\frac{N!}{(n-p)!p!}$データサンプルベクトルの総数N。

さらにp-combinationsは一般的に無相関なので、pが変わると最初からやり直しになる。

この問題を解決するために、SM N-FINDRを2つのループに分解する。 内側のループは局所的最適なエンドメンバー候補を探し、 外側のループがそれを大域最適エンドメンバーとして更新する。(IN-FINDR)

もう一つの手法は、同時にpエンドメンバーを見つけるのではなく、順次生成していくこと。(SQ N-FINDR)

しかしSQ N-FINDRによって生成されるpエンドメンバーは最適なものではないかもしれない。

そこでSQ N-FINDRをIN-FINDRの内側のループで用いるか、あるいは適切な初期値集合をSQ N-FINDRに用いる。 後者の場合、IN-FINDRは外側のループを必要としない。

感想:

論文メモ4で候補に上げた論文はIEEEでアクセスできないので、N-finderに関する似たような論文を読んでみた。

ハイパースペクトルは専門外だが、興味を持って読めた。

エンドメンバーの決定を実装したプログラムはないかなーと探していたら、Pythonでpysptoolsというのがあった。 https://pypi.python.org/pypi/pysptools

次に読みたい論文: