חתימה ספקטראלית - אוניברסיטת בן
Download
Report
Transcript חתימה ספקטראלית - אוניברסיטת בן
גילוי מטרה נקודתית בתמונות
היפרספקטרליות -בחירת פסים
אורי בס ושחר בר
אוניברסיטת בן גוריון בנגב
מנחה :פרופ ישראל רוטמן
תאריך30.5.2012 :
הקדמה – תמונה היפרספקטרלית
• כל חומר בטבע מחזיר ,בולע ופולט אנרגיה
אלקטרומגנטית באורכי גל מסוימים .לכל
אורך גל נקרא חתימה ספקטראלית.
• אפיון עוצמות הפליטה של החומר נקבעת
ע"פ התכונות הכימיות והפיזיקאליות של
החומר.
הקדמה
גילוי מטרה
נקודתית
יעדים
בחירת פסים
ניסוי אמפירי
סיכום
הקדמה – תמונה היפרספקטרלית
•
תמונה היפרספקטרלית מורכבת מצילום במספר רב של אורכי גל
ומכונה גם קובייה היפרספקטרלית .קובייה זו מאפשרת הפקת מידע
שלא ניתן לקבל מצילום רגיל.
•
כל פיקסל בקובייה ההיפרספקטרלית הוא למעשה וקטור של ערכי
ההחזרים שנמדדו ע"פ מספר בדיד של אורכי גל.
הקדמה
גילוי מטרה
נקודתית
יעדים
בחירת פסים
ניסוי אמפירי
סיכום
גילוי מטרה נקודתית
• גילוי מטרה נקודתית נעשה תוך
שימוש בחתימת מטרה.
• ע"י הפעלת אלגוריתם יעודי,
העובד על כל פיקסל ,ניתן לקבוע
מהם הפיקסלים בעלי הסבירות
הגבוהה ביותר להיות מטרה.
הקדמה
גילוי מטרה
נקודתית
יעדים
בחירת פסים
ניסוי אמפירי
סיכום
אלגוריתם Adaptive Coherence Estimator
• אלגוריתם ה:ACE-
𝑡 𝑇 𝛷 −1 (𝑥 − 𝑚) 2
𝐴𝐶𝐸(𝑥) = 𝑇 −1
𝑚 𝑡 𝛷 𝑡) 𝑥 − 𝑚 𝑇 𝛷 −1 (𝑥 −
• האלגוריתם מנקד כל פיקסל ע"פ
קוסינוס הזווית בין הפיקסל xלמטרה .t
• כל פיקסל משוייך לאחת משתי הנחות:
העדר מטרה
מטרה נוכחת
וקטור חתימת המטרה
הפיקסל הנבדק
שערוך רקע הפיקסל
שערוך מטריצת הקוואריאנס
𝑡−
𝑥−
𝑚−
𝛷−
מושגים בסיסיים
• :PDהסתברות להכרזת מטרה בפיקסל כאשר נוכחת
בו מטרה.
• :PFAהסתברות להכרזת מטרה בפיקסל כאשר
נעדרת ממנו מטרה.
• :ROCמדד גרפי לטיב הגלאי המציג את Pd
כפונקציה של .Pfa
• :Athמדד חישובי לטיב הגילוי המתבסס על השטח
מתחת לעקומת ה.ROC-
הקדמה
גילוי מטרה
נקודתית
יעדים
בחירת פסים
ניסוי אמפירי
סיכום
יעדי הפרויקט
הצגת אלגוריתם מקורי לבחירת פסים.
הצגת מודל מתמטי המצדיק את בחירת הפסים
ומאפשר לחזות את כמות הפסים הנדרשת לביצועים
מיטביים.
בחינת ביצועי האלגוריתם
וניתוח התוצאות.
הקדמה
גילוי מטרה
נקודתית
יעדים
בחירת פסים
ניסוי אמפירי
סיכום
בחירת פסים (ערוצים) -מוטיבציה
• במחקרים קודמים ,נמצא כי אלגוריתמים
לגילוי מטרות יכולים לשפר את
ביצועיהם באמצעות בחירה ספציפית של
ערוצים.
• שיטה זו ,מורידה את הנטל החישובי
ומשפרת את ביצועי האלגוריתמים
כאשר החתימה הספקטרלית של המטרה
מכילה סטייה.
• היישומים של בחירת הפסים יאפשרו
יצור גלאים מדויקים יותר וזולים יותר.
הקדמה
גילוי מטרה
נקודתית
יעדים
בחירת פסים
ניסוי אמפירי
סיכום
האלגוריתם המוצע
• הצענו שיטה למימוש בחירת
הפסים על סמך הנורמה
האוקלידית של המטרה.
• העיקרון המנחה :ככל שחתימת
המטרה רחוקה מהרקע ,גדל
הסיכוי לגלות את המטרה.
• מצאנו שעם התרחקות המטרה
במרחק ,Rשונות התוצאות של
ה ACE-יורדת פרופורציונית
ל. R1 -
2
האלגוריתם המוצע
near
Target
Far Target
הקדמה
גילוי מטרה
נקודתית
יעדים
בחירת פסים
ניסוי אמפירי
סיכום
בחירת פסים – מודל מתמטי
• :PFAהיחס בין שטח כיפת היפר ספירה עם זווית פתיחה
לבין שטח מעטפת ספירה.
שטח
היפר-ספרה:
2 0 .5 n
n 1
An ( r ) 2
rn 1
An ( r ) ( 0 .5 n ) r
) ( 0 .5 n
0 .5 n
רדיוס הכיפה – r
מימד הכיפה – n
שטח כיפת היפר ספרה עם זווית פתיחה 𝜃:
n 1 1
) ,
2
2
(
) (
2
d 0.5 An ( r ) I sin
n2
sin
)0.5 ( n 1
n 1
r
0
2
)) (0.5 ( n 1
An 1 ( r sin ) rd
(r , )
cap
An
0
:Incomplete beta function
נוסחה תיאורטית
לחישוב ה: PFA-
n 1 1
) ,
n 1 1
2
2 0.5 I
(
) ,
2
) s in (
)An (1
2
2
( ) 0 . 5 An (1) I sin 2 (
PF A
בחירת פסים – מודל מתמטי
• :PDעל מנת להציג ביטוי אנליטי לפונקציית צפיפות הפילוג
של התוצאות ) f ( nכאשר מטרה נוכחת בפיקסלים ,בוצע
קירוב המניח כי את טנגנס הזווית בין הפיקסל הנבדק
לחתימת המטרה ניתן למדל ע"י היחס בין המרחק האוקלידי
מחתימת המטרה לפיקסל ,לבין נורמת המטרה.
Angle Distribution when Traget is Present N=50 ||t||=20
12
Empirical Results
Theoretical Approximation Results
10
8
הקירוב המוצע:
)
r
( arctan
4
|| || t
2
צפיפות הסתברות מרחק וקטור גאוסי מהראשית:
2
)
r
(
2
e
n 1
) ( n / 2
r
n / 2 1
2
f R (r )
צפיפות הסתברות זווית ביחס למטרה:
2
|| ; b || t
( b ta n r
2
e
n 1
( r )( b tan r
) ( n / 2
n / 2 1
2
2
b cos
f ( r , n )
0.7
0.6
0.5
0.4
]Angle [radians
0.3
0.2
0.1
0
0
Probability Density
6
מודל מתמטי- תוצאות
Pd
Pfa
PFA for Angle Threshold 20
PD for Angle Threshold 20
1
Theoretical Approximation Result
Empirical Result
0.7
0.35
0.6
0.3
FA
0.4
P
0.5
0.25
0.4
0.2
0.3
0.15
0.2
0.1
0.1
0.05
0
5
10
15
20
25
30
Number of Bands
35
40
45
0
50
0
5
10
15
ROC Curves
20
25
30
Number of Bands
35
40
45
50
1
Theoretical Approximation Result
Empirical Result
0.9
0.8
0.7
0.6
D
0
Theoretical Approximation Result
Empirical Result
0.45
0.8
P
D
0.9
P
0.5
0.5
0.4
0.3
0.2
0.1
0
0
0.005
0.01
0.015
PFA
סיכום
ניסוי אמפירי
בחירת פסים
יעדים
גילוי מטרה
נקודתית
הקדמה
ניסוי אמפירי
• תוצאות הפעלת האלגוריתם על תמונה אמיתית הדגישו כי
הערוצים הטובים ביותר לגילוי אינם בהכרח הערוצים עם נורמת
המטרה המקסימלית.
Ath vs. Whitened Target Norm Scatter Plot
-5
x 10
1.4
1.2
1
0.6
tT*C-1*t
0.8
0.4
0.2
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0
Ath
הקדמה
גילוי מטרה
נקודתית
יעדים
בחירת פסים
ניסוי אמפירי
סיכום
מעבר מהתאוריה למציאות
Chi-squared test for 2 bands
300
לפלאסי ואחיד, תאורטי עם הנחת פילוג רעש גאוסיScatter Plot •
.) עד כה הנחנו כי הרעש מתפלג גאוסית:(תזכורת
mahalanobis distance
250
200
ככל.chi-squared test • בדיקת ההתפלגות הגאוסית ע"י
.שהתוצאות יותר גאוסיות הקו צריך להיות לינארי
150
100
50
0
0
50
-5
1.4
150
200
Chi-squared value
250
300
Scatter Plot for two Bands with Various Noises
x 10
Ath vs. Whitened Target Norm Scatter Plot
-5
1.4
Laplacian
Gaussian
Uniform
1.2
x 10
Laplacian Noise
Gaussian Noise
Uniform Noise
0-25% of Band Combinations
25-50% of Band Combinations
50-75% of Band Combinations
75-100% of Band Combinations
1.2
1
1
0.8
0.8
tT*C-1*t
tT*C-1*t
100
0.6
0.6
0.4
0.4
0.2
0.2
0
0
0.1
0.2
סיכום
0.3
0.4
Ath
0.5
0.6
ניסוי אמפירי
0.7
0.8
בחירת פסים
0
0
0.1
יעדים
0.2
0.3
0.4
Ath
0.5
גילוי מטרה
נקודתית
0.6
0.7
0.8
הקדמה
הסבר הסטיות
:• המקורות האפשריים לסטיות שהתקבלו
▫ סטייה בשערוך מטריצת הקוואריאנס (עקב חוסר הסטציונריות של
.)התמונה
."▫ רעש "חתוך
Scatter Plot for two Bands with Quantized Gaussian Noise
Chi Squared test for gassuian
noise
with
misestimated statistics
Chi-squared
test for
2 bands
300
80
400
70
250
300
60
Gussian data (M=0,V=1)
Cutted gussian distribution
tT*C-1*t
250
200
150
mahalanobis distance
350
200
50
40
150
30
100
100
20
50
50
10
0
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0
0
10 50
Ath
סיכום
ניסוי אמפירי
בחירת פסים
יעדים
20
50 200
40
10030
150
Chi-squared value
גילוי מטרה
נקודתית
60
25070
80
300
הקדמה
סיכום
•כל יעדי הפרוייקט הושגו.
מסקנות:
•
•
•
•
האלגוריתם המוצע לבחירת פסים מספק תוצאות טובות אך לא מיטביות.
ניתן להפיק מן המודל המתמטי תוצאות אנליטיות מקורבות לביצועיו של אלגוריתם ה.ACE-
את אופיו של הרעש בתמונה היפרספקטרלית ניתן למדל כגאוסי (עם שגיאות שערוך) או
כסופר-גאוסי.
את הסטיות בניסוי האמפירי ניתן להסביר באמצעות אי הסטציונריות של התמונה ,שגיאות
שערוך באומדנים הסטטיסטיים וקיטוע של הרעש.
עבודה עתידית:
•
•
•
•
•
כתיבת מאמר.
יישום המחקר עבור אלגוריתמי ה RX-וה.MF-
שימוש באלגוריתם המוצע בשילוב סגמנטציה.
שיקלול מידת הסטייה מהמודל הגאוסי באלגוריתם.
הצעת שיטה לבחירת כמות הערוצים המיטבית.
הקדמה
גילוי מטרה
נקודתית
יעדים
בחירת פסים
ניסוי אמפירי
סיכום