講演抄録/キーワード |
講演名 |
2022-03-01 09:20
[ポスター講演]凸最適化に基づく成分分離による頑健なハイパースペクトル異常検出 ○佐藤航洋・小野峻佑(東工大) EA2021-71 SIP2021-98 SP2021-56 |
抄録 |
(和) |
ハイパースペクトル(HS) 画像の異常検出とは,周辺画素とスペクトル波長が異なる画素を特定する技術である.多くのHS画像解析応用において不可欠なプロセスであり,これまでに様々な異常検出手法が提案されている.しかし,それらの多くはHS画像に重畳しているノイズの影響を考慮しておらず,特に非ガウス性のノイズが存在するケースにおいて著しく検出性能が劣化する.そこで,本報告では,HS画像がガウス-スパース混合ノイズを含んでいる場合においても頑健な異常検出を実現する手法を提案する.具体的には,背景と異常画素の性質を考慮した2種類の正則化関数と,それぞれのノイズの性質を評価する制約条件を含む制約付き凸最適化問題として異常成分推定問題を定式化する.次に,凸最適化技術の一種である主-双対近接分離法に基づくアルゴリズムによってこの問題を効率的に解き,異常マップを求める.実際のHS画像を用いた実験により,提案法が既存のHS画像の異常検出手法と比較して混合ノイズに対して非常に頑健であることを示す. |
(英) |
Anomaly detection in hyperspectral (HS) images is a technique to identify pixels whose spectral wavelengths differ from those of surrounding pixels. It is an essential process in many HS image analysis applications, and various anomaly detection methods have been proposed. However, most of them do not take into account the effect of noise in HS images, and the detection performance is significantly degraded especially in the case of non-Gaussian noise. In this report, we propose a method to achieve robust anomaly detection even when the HS image contains Gaussian-Sparse mixed noise. Specifically, we formulate the anomaly detection problem as a constrained convex optimization problem that includes two regularization functions considering the properties of the background and anomalous pixels and constraints evaluating the properties of each noise. We then develop an algorithm based on a primal-dual splitting method to efficiently solve this problem. Experimental results show that the proposed method is much more robust to mixed noise than existing HS anomaly detection methods. |
キーワード |
(和) |
ハイパースペクトル異常検出 / 成分分離 / 凸最適化 / / / / / |
(英) |
Hyperspectral Anomaly Detection / Component Decomposition / Convex Optimization / / / / / |
文献情報 |
信学技報, vol. 121, no. 384, SIP2021-98, pp. 44-49, 2022年3月. |
資料番号 |
SIP2021-98 |
発行日 |
2022-02-22 (EA, SIP, SP) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
EA2021-71 SIP2021-98 SP2021-56 |
研究会情報 |
研究会 |
EA SIP SP IPSJ-SLP |
開催期間 |
2022-03-01 - 2022-03-02 |
開催地(和) |
沖縄県立博物館・美術館 |
開催地(英) |
|
テーマ(和) |
応用/電気音響, 信号処理,音声,一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
SIP |
会議コード |
2022-03-EA-SIP-SP-SLP |
本文の言語 |
日本語 |
タイトル(和) |
凸最適化に基づく成分分離による頑健なハイパースペクトル異常検出 |
サブタイトル(和) |
|
タイトル(英) |
Robust Hyperspectral Anomaly Detection via Component Decomposition Based on Convex Optimization |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ハイパースペクトル異常検出 / Hyperspectral Anomaly Detection |
キーワード(2)(和/英) |
成分分離 / Component Decomposition |
キーワード(3)(和/英) |
凸最適化 / Convex Optimization |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
佐藤 航洋 / Koyo Sato / サトウ コウヨウ |
第1著者 所属(和/英) |
東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Tokyo Tech) |
第2著者 氏名(和/英/ヨミ) |
小野 峻佑 / Shunsuke Ono / オノ シュンスケ |
第2著者 所属(和/英) |
東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Tokyo Tech) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2022-03-01 09:20:00 |
発表時間 |
120分 |
申込先研究会 |
SIP |
資料番号 |
EA2021-71, SIP2021-98, SP2021-56 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.383(EA), no.384(SIP), no.385(SP) |
ページ範囲 |
pp.44-49 |
ページ数 |
6 |
発行日 |
2022-02-22 (EA, SIP, SP) |
|