נושא הפרוייקט
מספר פרוייקט
מחלקה
שמות סטודנטים
אימייל
שמות מנחים
ניתוח היפרספקטרלי לזיהוי מטרה באמצעות המודל הסאבסטיטיבי
Substitution model for hyperspectral detection
תקציר בעיברית
זיהוי מטרות היפרספקטרלי הוא משימה בעלת חשיבות רבה בתחומים רבים, כולל ניטור סביבתי, מעקב צבאי וחישה מרחוק. עם זאת, האלגוריתמים לזיהוי מטרות אינם אופטימליים, והביצועים שלהם משתנים בהתאם למאפיינים הספציפיים של התמונה, כגון הרקע, היעד והרעש. בפרויקט זה נחקרו שני אלגוריתמים המבוססים על המודל החלופי לזיהוי מטרות, ניתחו הנתונים הסטטיסטיים שלהם ונבחנו שיטות לשיפור ביצועיהם באמצעות סגמנטציה ותיקון מטריצת הקוואריאנס. התוצאות הראו שהגישות המוצעות שיפרו משמעותית את ביצועי האלגוריתמים, והשיגו שיפור של עד פי 20 בתנאים מסוימים. ממצאים אלו מצביעים על כך שבחירה ואופטימיזציה של האלגוריתם המתאים בהתבסס על המאפיינים הספציפיים של המטרה והתמונה יכולים לשפר באופן מהותי את הדיוק של זיהוי המטרה בתמונות היפרספקטרליות.
תקציר באנגלית
Hyperspectral target detection is a critical task in many fields, including environmental monitoring, military surveillance, and remote sensing. However, the algorithms for target detection are not optimal, and their performances vary depending on the image's specific characteristics, such as the background, target, and the noise. This project investigated two algorithms based on the substitutive model for target detection, analyzing their statistics and performance and improving them using image segmentation and covariance matrix correction. The results showed that the proposed approaches significantly improved the algorithms' performance, achieving up to a 20-fold increase under certain conditions. These findings suggest that selecting and optimizing the appropriate algorithm based on the specific characteristics of the target and image can substantially improve the accuracy of target detection in hyperspectral images.