Модернизация RX-алгоритма идентификации спектральных аномалий с использованием рандомизации

В докладе исследуется задача идентификации спектральных аномалий в процессе обработки данных гиперспектральной съемки (ГСС). В научной литературе одним из наиболее известных методов решения этой задачи является RX-алгоритм. В рамках данного алгоритма строится бинарная гипотеза о принадлежности пикселя гиперкуба к одному из распределений (объект (спектральная аномалия) – фон), которые предполагаются многомерными и нормальными. Решение принять (фон) или отвергнуть основную гипотезу (объект) принимается на основе метрики Махаланобиса. В практических задачах используется локальный вариант этого алгоритма с ограничением на размер исследуемого окна, в частности, перспективным выглядит использование данного подхода в сфере точного земледелия для выявления зараженных вредителями посевов.
Несмотря на то, что данный метод широко распространен в системах обработки данных ГСС, он имеет один ключевой недостаток - большую вычислительную сложность. Это обусловлено необходимостью рассчитывать выборочную ковариационную матрицу для всего гиперкуба (в случае глобального алгоритма), либо в окрестности пикселя (для локальной версии). Для сокращения времени, затрачиваемого на обработку данных, в литературе рассматриваются как подходы, связанные с распараллеливанием вычислений, так и с непосредственным сокращением количества вычислений путем замены ковариационной матрицы ее оценкой, либо сокращением размерности исходных данных. В данном докладе рассматривается подход, основанный на применении сжатия по рандомизированному методу главных компонент с последующим вычислением результата идентификации в базисе сжатия.
На нескольких наборах данных ГСС с авиационного носителя было проведено сравнение рассматриваемого в докладе метода со стандартным RX-алгоритмом. Были получены численные оценки того, насколько рассматриваемая схема обработки вносит искажения в конечный результат идентификации.