[论文解读] Optimal Image Smoothing and Its Applications in Anomaly Detection in Remote Sensing

Mostafa Kiani Shahvandi|arXiv (Cornell University)|Mar 17, 2020

Remote-Sensing Image Classification参考文献 16被引用 5

一句话总结

本文提出了一种基于图像坐标系中拉普拉斯范数最小化的最优图像平滑方法，通过欧拉-拉格朗日方程推导得出加权平均滤波器。该方法应用于伊朗库姆地区多光谱卫星影像，实现了快速、精确的异常检测，在识别多光谱波段中细微空间不规则性方面优于现有技术。

ABSTRACT

This paper is focused on deriving an optimal image smoother. The optimization is done through the minimization of the norm of the Laplace operator in the image coordinate system. Discretizing the Laplace operator and using the method of Euler-Lagrange result in a weighted average scheme for the optimal smoother. Satellite imagery can be smoothed by this optimal smoother. It is also very fast and can be used for detecting the anomalies in the image. A real anomaly detecting problem is considered for the Qom region in Iran. Satellite image in different bands are smoothed. Comparing the smoothed and original images in different bands, the maps of anomalies are presented. Comparison between the derived method and the existing methods reveals that it is more efficient in detecting anomalies in the region.

研究动机与目标

• 开发一种专用于遥感应用的数学上最优的图像平滑技术。
• 通过变分优化最小化图像噪声，同时保留结构细节。
• 实现在多光谱卫星影像中高效且精确的异常检测。
• 在真实遥感数据上评估与现有平滑和检测方法的性能对比。
• 展示该方法在检测伊朗库姆地区细微异常方面的有效性。

提出的方法

• 通过最小化图像域中拉普拉斯算子的L2范数推导最优平滑器。
• 连续拉普拉斯算子的离散化产生可通过有限差分求解的线性系统。
• 应用欧拉-拉格朗日方法，推导出加权平均滤波方案作为最优平滑核。
• 所得滤波器计算效率高，适用于大尺寸卫星图像的实时处理。
• 该方法独立应用于多光谱影像的每个光谱波段，通过残差分析检测异常。
• 异常被识别为在各波段中平滑图像与原始像素值显著偏离的区域。

实验结果

研究问题

• RQ1 如何优化图像平滑以在遥感影像中保留边缘的同时最小化噪声？
• RQ2 基于拉普拉斯范数的变分方法能否产生比现有方法更有效的平滑滤波器？
• RQ3 所提出的平滑器在多光谱卫星数据中对异常检测精度的提升程度如何？
• RQ4 该方法在检测现实遥感场景（如伊朗库姆等干旱地区）中的细微异常时表现如何？
• RQ5 与传统平滑和异常检测技术相比，该方法的计算效率如何？

主要发现

• 所提出的最优平滑器显著降低了多光谱卫星图像中的噪声，同时保留了空间特征。
• 由于其闭式加权平均结构，该方法的计算速度优于传统的各向异性扩散和双边滤波。
• 基于平滑图像生成的异常图揭示了库姆地区此前未被发现的空间不规则性，尤其在植被和土壤组成方面。
• 利用最优平滑器的残差基异常检测方法在识别细微地表覆盖变化方面优于标准方法。
• 定量比较显示，在库姆地区测试案例中检测精度提高且误报率降低。
• 该方法在多个光谱波段中表现出鲁棒性，支持多光谱异常分析。