[論文レビュー] An automatic bad band preremoval algorithm for hyperspectral imagery

Luyan Ji, Xiurui Geng+2 more|arXiv (Cornell University)|Oct 19, 2016

Remote-Sensing Image Classification参考文献 25被引用数 4

ひとこと要約

本稿では、標的検出におけるバンド重要性の代理として一致フィルタ（MF）係数ベクトルを用い、ハイパースペクトル画像の自動的な不良バンド除去アルゴリズムを提案する。複数の標的におけるMF重みの絶対値を分析することで、手動による点検を経ずに、特に水吸収バンドを含む低SNRバンドを同定・除去する。3つのベンチマークデータセットにおいて、一貫性があり正確な検出を達成した。

ABSTRACT

For most hyperspectral remote sensing applications, removing bad bands, such as water absorption bands, is a required preprocessing step. Currently, the commonly applied method is by visual inspection, which is very time-consuming and it is easy to overlook some noisy bands. In this study, we find an inherent connection between target detection algorithms and the corrupted band removal. As an example, for the matched filter (MF), which is the most widely used target detection method for hyperspectral data, we present an automatic MF-based algorithm for bad band identification. The MF detector is a filter vector, and the resulting filter output is the sum of all bands weighted by the MF coefficients. Therefore, we can identify bad bands only by using the MF filter vector itself, the absolute value of whose entry accounts for the importance of each band for the target detection. For a specific target of interest, the bands with small MF weights correspond to the noisy or bad ones. Based on this fact, we develop an automatic bad band preremoval algorithm by utilizing the average absolute value of MF weights for multiple targets within a scene. Experiments with three well known hyperspectral datasets show that our method can always identify the water absorption and other low signal-to-noise (SNR) bands that are usually chosen as bad bands manually.

研究の動機と目的

• ハイパースペクトルデータ前処理における手動による不良バンド除去の非効率性と主観性を是正する。
• ノイズが多いまたは損傷したバンドを同定するための時間のかかる視覚的点検に依存しないようにする。
• 標的検出アルゴリズムを活用して、低品質なスペクトルバンドの自動同定を実現する。
• 事前に不良バンドの位置を知らなくても適用可能な、強固でデータ駆動型の手法を開発する。
• 処理パイプラインに高品質なバンドのみを用いることで、下流のハイパースペクトル解析を向上させる。

提案手法

• 標的検出フレームワークとして一致フィルタ（MF）を用い、MFフィルターベクトルが各スペクトルバンドの標的検出への寄与度を符号化している。
• 各標的に対するMF係数の絶対値を抽出し、それがその標的を検出する際の各バンドの相対的重要性を表す。
• シーン内における複数の標的における平均絶対MF重みを計算し、一貫して寄与度が低いバンドを同定する。
• 平均絶対MF重みが動的に決定されたしきい値未満のバンドを不良バンドと定義し、低SNRを示す。
• 実際のハイパースペクトルデータセットにアルゴリズムを適用し、水吸収バンドなどの既知の問題バンドを同定できるかを検証する。
• スペクトル応答パターンと既知の吸収特徴を基準として、同定された不良バンドの正しさを評価する。

実験結果

リサーチクエスチョン

• RQ1 一致フィルタの係数ベクトルは、ハイパースペクトル画像における低SNRバンドを自動的に同定するために利用可能か？
• RQ2 複数の標的における平均絶対MF重みは、水吸収バンドなどの既知の不良バンドを同定するのにどの程度有効か？
• RQ3 正確性、一貫性、計算効率の観点から、本手法は手動点検を上回るか？
• RQ4 再トレーニングや手動チューニングなしに、異なるハイパースペクトルデータセットに一般化可能か？
• RQ5 不良バンド除去後に、標的検出性能がどの程度保持されるか？

主な発見

• 提案手法は、3つのベンチマークハイパースペクトルデータセットすべてで、水吸収バンドおよび他の低SNRバンドを正常に同定した。
• アルゴリズムは高い一貫性を示し、手動点検に伴う主観性や見落としのリスクを回避した。
• 複数の標的における平均絶対MF重みの使用により、標的検出への寄与がほとんどないバンドの同定において、より高いロバスト性が向上した。
• バンド位置の事前知識や手動ラベル付けを一切不要として、正確な不良バンド同定が達成された。
• 実験により、特に大気吸収が強い領域において、スペクトル品質が悪いバンドを信頼性高く同定できることを確認した。
• 多様なシーンにおいて優れた性能を示し、実世界のハイパースペクトル応用への一般化可能性を示した。