נושא הפרוייקט
מספר פרוייקט
מחלקה
שמות סטודנטים
אימייל
שמות מנחים
שערוך ריכוז המטרה בתמונות היפר – ספקטרליות
Target concentration estimation
תקציר בעיברית
בתמונות היפר-ספקטרליות, ניתן לגלות מטרות ע"י מודל סבסטטיבי של המסנן המתואם. מודל זה מניח שהחתימה הספקטרלית הנצפית בתמונה מורכבת מקומבינציה לינארית של ספקטרום הרקע ושל ספקטרום המטרה. דיוק גילוי המטרה תלוי בשערוך ריכוז המטרה בכל פיקסל בתמונה. במחקר זה, הצענו אלגוריתם חדש לשערוך ריכוז המטרה והשווינו את ביצועיו לאלגוריתם קיים. הערכנו את יעילות שני האלגוריתמים ע״י שימוש במודל הסבסטטיבי של המסנן המתואם, והאופטימיזציה של האלגוריתמים נקבעה באמצעות מיקסום היחס בין זיהוי מטרות אל מול מטרות שווא. לאחר חקירה יסודית של ביצועי האלגוריתמים והערכת ההבדלים מבחינת טיב השערוך, גילינו כי ממוצע השערוך ע"י האלגוריתם החדש מדויק יותר. לעומת זאת, שונות השערוך ע"י האלגוריתם הקיים קטנה יותר. בנוסף, מצאנו כי שגיאת השערוך ע"י האלגוריתם הקיים קטנה יותר, לכן ניתן להסיק כי לשונות השערוך יש השפעה חזקה יותר. יתרה מכך, מבחינת זיהוי מטרות, קיבלנו כי האלגוריתם הקיים מביא לתוצאות טובות יותר. מילות מפתח: תמונה היפר-ספקטרלית, גילוי מטרה, מודל סבסטטיבי, מסנן מתואם , ריכוז מטרה.
תקציר באנגלית
In hyperspectral imaging, target detection can be achieved using the substitutive model of the match filter. This model assumes that the observed spectral signature in the image is a linear combination of the background and the target's spectral signature. The accuracy of target detection relies on the target concentration estimation within each pixel. In this study, we proposed a novel algorithm for estimating target concentration and compared its performance against an existing algorithm. We evaluated the effectiveness of both algorithms using the adaptive matched filter's substitutive model and the optimization of the algorithms was determined by maximizing the ratio of target detection to false targets. After thoroughly examining the performance of the two algorithms and assessing the differences in terms of concentration estimation, we found that the mean of the estimation provided by the new algorithm is more accurate. However, the existing algorithm exhibits smaller variance in its estimation. In addition, we found that the estimation error by the existing algorithm is smaller, therefore it can be concluded that the estimation variance has a stronger effect. Moreover, in terms of target detection, the existing algorithm outperforms the new algorithm. Keywords: hyperspectral image, target detection, substitutive model, matched filter, target concentration.