נושא הפרוייקט
מספר פרוייקט
מחלקה
שמות סטודנטים
אימייל
שמות מנחים
השוואת אלגוריתמי EC-additive ו EC substitutive למסנן מותאם
Comparing HS Target Detection Algorithms
תקציר בעיברית
תמונות היפרספקטרליות מכילות מספר גדול של ערוצים. תמונות אלו מציעות מידע נוסף מעבר למה שנמצא בדרך כלל בתמונה רגילה של שלושה ערוצים. המחקר שלנו התמקד בזיהוי מטרות בתמונות היפרספקטרליות באמצעות שני אלגוריתמים, המסנן המותאם (MF) ו-EC-GLRT (EU). מטרתנו הייתה להשוות את ההשפעה של מספר הערוצים על היעילות של כל אלגוריתם. ההערכה של שני האלגוריתמים נערכה על ידי ניתוח הביצועים שלהם באמצעות עקומת ROC ומדד שטח מתחת לעקומה (AUC). עקומת ה-ROC ייצגה את ההסתברות לזיהוי מטרה ביחס להסתברות גילוי שווא, ומדד ה-AUC כימת את הביצועים של האלגוריתמים. על פי מדד זה, הביצועים של אלגוריתם EU היה טובים משל ה-MF ללא קשר למספר הערוצים, והיחס ביניהם נתן לנו גרף יורד שואף ל-1. עבור מספר נמוך של ערוצים, אלגוריתם EU מועדף משמעותית, אך הסיבוכיות שלו גבוהה והוא מצריך עיבוד מקדים למציאת פרמטרים. אם נרצה להשיג ביצועים זהים עם אלגוריתם MF נצטרך להגדיל את מספר הערוצים, מה שעלול לגרור עלויות גבוהות. מילות מפתח: תמונה היפר-ספקטרלית, גילוי מטרות, מסנן מתואם, EU, עקומת ROC, AUC
תקציר באנגלית
Hyperspectral images contain a vast number of channels or wavelengths. These images offer more information beyond what is typically found in a standard three-channel image. Our research focused on target detection in hyperspectral images using two algorithms, the matched filter (MF) and the EC-GLRT (EU). We aimed to compare the impact of the number of channels on the efficiency of each algorithm. The evaluation of the two proposed algorithms was conducted by analyzing their performance using the Receiver Operating Characteristic (ROC) curve and the Area Under the Curve (AUC) metric. The ROC curve represented the probability of target detection to the false alarm rate, while the AUC metric quantified the performance of the algorithms. The AUC of the EU algorithm was larger than MF regardless of the number of channels, and the ratio gave us descending graph. For a lower number of channels, the EU algorithm is preferred despite its higher complexity and preprocessing requirements. To achieve good performance with the MF algorithm, more channels are needed, which can be costly. Keywords: hyperspectral image, target detection, MF, EU, ROC ,AUC