高光谱异常探测问题解答

  • 问题解答
    • 问题1:
    • 问题2:

欢迎学习交流!
邮箱:z…@1…6.com
个人网站:https://zephyrhours.github.io/

问题解答

问题1:

高光谱异常目标检测作为高光谱处理的一个重要问题,目前在公开的数据集上已经取得了极高的检测精度,请问异常检测未来的发展前景在哪?
答: 高光谱异常检测在军事中有着比较重要的应用,在民事中的应用目前也逐渐变得比较多了起来,比如森林火害检测,雪地营救,海洋救援,潜艇探测,高空预警,食品质量检测等等。异常探测作为目标探测的一种特殊情况,完全可以辅助目标探测进行,作为前期的预处理;比如在伪装识别中,可以通过异常检测检测出疑似目标,然后根据先验光谱库信息进行匹配,以此获得异常目标的种类。因为高光谱数据获取成本较高,所以当前公开数据集比较少,而且国内高光谱发展起步比较晚,目前传感器方面在1-1000多纳米做的比较成熟,而1000nm~2500nm之间还有不足,但是高光谱作为一种下一代成像技术,必定会得到发展,随着数据获取的代价变小,以后的应用也会越来越多。

问题2:

在一些军用场景的异常检测任务中,我们想探测的目标是飞机目标,因为没有这些飞机目标的先验信息,所以以异常检测的方法来探测这些飞机。这个过程其实只是把与背景区分较大的离群点提取出来了;那么在得到最后的 anomaly detection map后,如何去评价我们得到的究竟是想要的飞机目标呢,还是只是与背景区分度较大的噪声或者无意义目标呢?

答: 异常探测不同于目标探测,所谓的异常其实在学术界并没有明确的定义,这里对于刚刚接触的人来说,往往很难理解究竟什么才是“异常”。“异常”其实在高光谱异常探测领域中并没有给出具体的定义,这里是一个泛指的概念,“异常”并不是指某种具体的地物,它可以是一个像素,也可以是多个像素,可以是一种地物,也可以是多种不同的地物,只要是不同于周围背景的地物都可以称之为“异常地物”。举个简单的例子,飞机场中的飞机,高速公路上的汽车,湖泊中的船只等等,这些与周围背景不同的地物都可以称为“异常”。异常探测的原理其实就是根据数学和物理模型来筛选出整个背景中的不同地物。这与在很多黄豆中筛选石头是一个原理,石头就是黄豆中的异常,当然了,如果黄豆中还含有少量不同的豆子,如花生豆,这些少量的花生豆也是所谓的异常。还有一点需要非常注意的是,对于异常地物,它在整幅影像中出现的概率往往是很低的,其所占比例要小于10%,通常要远小于这个数字 。在高光谱异常探测中,所谓的“异常像元”就是指不同于周围背景地物光谱曲线的“像元”,在实际应用中,异常地物是根据需要来进行定义的,异常探测可以作为目标探测的前期筛选工作,在大场景影像中,快速筛选出疑似目标地物,然后根据目标光谱的先验信息进行匹配就可以快速找到需要的目标地物。

如果您有什么关于高光谱异常检测、目标探测、变化检测 等相关的问题可以在下面留言,或者直接邮件联系,留下您的疑惑,笔者在有空的时候会逐一回答您的疑问,希望对您的工作和学习有所帮助!

高光谱异常探测问题解答相关推荐

  1. 高光谱异常探测研究背景与意义

    高光谱异常探测研究背景与意义 来源: 侯增福,基于协同表示与非监督最邻近规则子空间的高光谱影像异常探测 [D]. 2019. 欢迎学习交流! 邮箱: z-@1-6.com 网站: https://ze ...

  2. 用于半监督高光谱异常检测的Frequency‐to‐spectrum mapping GAN

    基于深度学习的高光谱异常检测算法根据标签的可用性可以大致分为三类:监督学习.半监督学习和无监督学习. 监督学习异常检测方法.数据预处理后,有监督异常检测方法先用训练集数据进行模型训练,再运用验证集进行 ...

  3. 【转载】基于深度卷积网络方法的高光谱图像分类

    图片来源网络 本期为大家推介的是北京理工大学李伟教授关于高光谱图像分类的深度卷积网络方法的报告-Deep Convolutional Neural Network for Hyperspectral ...

  4. 深度学习与高光谱图像分类

    图片来源网络 本期为大家推介的是北京理工大学李伟教授关于高光谱图像分类的深度卷积网络方法的报告-Deep Convolutional Neural Network for Hyperspectral ...

  5. 海底磁异常条带研究综述及南海重建

    本文来自于李园洁,魏东平的<海底磁异常条带研究综述> 引言       海洋覆盖了70% 的地球表面,洋壳储存的矿产资源非常可观. 然而,海底平均深度达3 km,获取大洋板块的相关数据相对 ...

  6. David P.Williams论文系列 基于间隙度的声呐图像快速无监督海底特征描述

    摘要 提出了一种基于侧扫声呐图像的海底无监督特征提取方法.该方法基于间隙度,通过传感器数据测量像素强度变化.不需要训练数据,不需要对像素的统计分布作任何假设,也不需要列举或知道(离散的)海底类型的背景 ...

  7. 【今日CV 计算机视觉论文速览 第103期】Mon, 22 Apr 2019

    今日CS.CV 计算机视觉论文速览 Mon, 22 Apr 2019 Totally 38 papers ?上期速览✈更多精彩请移步主页 Interesting: ?Fashion++, 如何通过微小 ...

  8. 机器学习中的方法技术与应用场景

    https://www.toutiao.com/a6646374880138756615/ 2019-01-15 05:31:00 关于机器学习我们到底能做什么?怎么做?有哪些方法和技术?下面的一些解 ...

  9. 人工智能应用中有这八大不可轻忽的弱点

    https://www.toutiao.com/i6636523591120716302/ 2018-12-19 10:20:59 人工智能正在推动一场新的工业革命,其影响范围小则涉及个人生活,大则影 ...

最新文章

  1. 函数的渐近的界阶的比较
  2. linux升级补丁tar,Linux内核升级补丁安装手册(一)
  3. jenkins 入门教程(下)
  4. 如何实现高容量大并发数据库服务 | 数据库分布式架构设计
  5. Acwing756. 蛇形矩阵:模拟
  6. [Medical Image Process] 3.2 GrayScale Morphology(灰阶图像形态学及基本运算)
  7. 基于php的问答,thinkask
  8. 方差分析数据.rar
  9. 不是计算机专业及其相关专业,对软件编程一窍不通,能学好编程吗?
  10. postMessage跨域、跨iframe窗口消息传递
  11. oracle 10g 安装步骤
  12. 如何实现parseFloat保留小数点后2位
  13. Mastik:微体系结构侧信道攻击工具包
  14. ami码matlab,matlab编程实现ami码的相关问题
  15. window xp共享文件夹
  16. migration java_如何重置migration
  17. 微信公众号编辑器的附件功能(如Word、Excel、Pdf等)
  18. Python人脸识别图片视频
  19. python求二项式系数的几种方法及性能对比
  20. 2021年JS解决那些有趣的数学题

热门文章

  1. 图片轮播(现在手机app上常见的)
  2. Kubernetes中Sidecar生命周期管理
  3. 淘宝API开发系列---阿里.聚石塔.开放平台的使用5
  4. 滴滴官网图片切换效果
  5. 基于多目标灰狼算法的冷热电综合三联供微网低碳经济
  6. 2022CoCa: Contrastive Captioners are Image-Text Fountion Models
  7. Windows7下载IE浏览器11版本
  8. 2018-07-13心情日记
  9. 基于tornado服务器的文件上传和下载
  10. 中国政府门户网站的特点