بهبود صحت آشكارسازي طيفي بام ساختمان‌ها از طريق تلفيق هوشمند روش‌هاي تشخيص هدف در تصاوير فراطيفي

Improvement of Buildings’ Roof Detection via Intelligent Fusion of Current Algorithms in Hyperspectral Images

پيچيدگي و حجم سنگين داده‌هاي حاصل از سنجنده‌هاي فراطيفي باعث شده است كه امروزه روش‌هاي هرچه پيشرفته‌تر آناليز داده‌هاي فراطيفي به منظور استخراج اطلاعات دقيق‌تر و كامل‌تر از آنها مورد توجه قرار گيرند. يكي از آناليزهايي كه بر روي تصاوير فراطيفي انجام مي‌شود، آشكارسازي طيفي هدف است. در اين مقاله به منظور بررسي روش‌هاي آشكارسازي طيفي هدف و امكان‌سنجي بهبود آنها، جمعاً چهارده الگوريتم در قالب سه دسته اندازه‌گيري‌هاي قطعي،‌ اندازه‌گيري‌هاي آماري و آشكارسازي آنامولي پياده‌سازي شده است. سپس تصاوير حاصل از بهترين الگوريتم‌ها در هر دسته انتخاب شده و به روش‌هاي مختلف در دو مرحله با يكديگر تلفيق گرديده‌اند تا تصوير تلفيقي بهينه‌اي با بالاترين صحت به‌دست آيد. در بررسي‌هاي انجام شده در زمينه دسته الگوريتم‌ها‌ي آشكارسازي مذكور، مشخص گرديد كه به ترتيب دو الگوريتم (Spectral Correlation Similarity)SCS و (Spectral Angle Measure)SAM، دو الگوريتم (Information Spectral Divergence) SID و (Jeffiries-Matusita Distance)JMD و سه الگوريتم (Covariance-based Matched Filter Measure)CMFM، (Constrained Energy minimizing) CEM و (Correlation-based Matched Filter Measure)RMFM داراي بالاترين صحت آشكارسازي در بين الگوريتم‌هاي موجود در هر دسته‌اند. در اين مقاله به‌منظور تلفيق نتايج آشكارسازي، دو روش باينري ـ شامل عملگر بولي و فاصله اقليدسي ـ و نيز دو روش استنتاج فازي شامل دستي (Fuzzy Inference System) FIS و اتوماتيك ((System Adaptive Neuro-Fuzzy Inference) ANFIS) ـ پياده‌سازي شده است. آزمون‌هاي انجام گرفته بر روي تصويري از سنجنده فراطيفي (Compact Airborne Spectrographic Imager)CASI از منطقه شهري تولوز واقع در جنوب فرانسه براي آشكارسازي بام ساختمان‌ها، نشان داد كه در بين چهار روش تلفيق ياد شده، روش ANFIS به عنوان روشي هوشمند و خودكار، پس از اعمال روي نتايج هفت الگوريتم آشكارسازي طيفي مذكور، توانسته است به بالاترين صحت با ضريب كاپاي 9/0 دست يابد.

Abstract Today, in order to achieve more complete and precise information extracted from the complex and heavy hyperspectral data, there have been introduced more specialized and advanced methods for analyzing data. Among the effective methods is the spectral target detection algorithms, at the first step 14 algorithms have been evaluated in three groups, including deterministic measures, statistical measures and anomaly detection. Then the higher accuracy algorithms in each set have been selected as follows: Spectral Correlation Similarity (SCS) and Spectral Angle Measure (SAM) from deterministic measures set, Spectral Information Divergence (SID) and Jeffries-Matusita Distance (JMD) from statistical measures set, and Covariance-based Matched Filter Measure (CMFM), Constrained Energy minimizing (CEM) and Correlation-based Matched Filter Measure (RMFM) from anomaly detection set. These seven algorithms are fused by different strategies and methods. There were two strategies, including sequential and simultaneous fusion too. In the sequential fusion strategy, the mentioned selected algorithms from each set were fused in the first step and their results were fused in the second step by using these four methods: Boolean, Euclidian, Fuzzy Inference System (FIS) and Adaptive Neuro-Fuzzy Inference System (ANFIS) fusion. In the simultaneous fusion strategy, the results of the mentioned seven algorithms were fused at once by ANFIS method. The experiments on the roof detection application, through a compact Airborne Spectrographic Imager (CASI) hyperspectral imagery, taken from one of the Toulouse urban areas in southern France, showed that the simultaneous fusion strategy via ANFIS was the most precise automatic one among other primary and synthetic target detection methods. Keywords: Hyperspectral image, Target detection algorithms, Fuzzy Inference System, ROC curve, Confusion Matrix.