anomalyRX

Reed-Xiaoli 検出器を使用した異常の検出

R2020a 以降

構文

rxScore = anomalyRX(inputData)

説明

rxScore = anomalyRX(inputData) は Reed-Xiaoli (RX) 検出器を使用して、ハイパースペクトルデータ内の異常ピクセルを検出します。RX 検出器は、ピクセルと背景の間のマハラノビス距離として、各ピクセルのスコアを計算します。スコアが高いほど、異常の可能性が高いことを示します。背景は、データキューブのスペクトル平均および共分散により特徴付けられます。スコアの計算と異常の検出の詳細については、アルゴリズムを参照してください。

メモ

この関数には Image Processing Toolbox™ Hyperspectral Imaging Library が必要です。Image Processing Toolbox Hyperspectral Imaging Library はアドオンエクスプローラーからインストールできます。アドオンのインストールの詳細については、アドオンの入手と管理を参照してください。

Image Processing Toolbox Hyperspectral Imaging Library は MATLAB^® Online™ または MATLAB Mobile™ ではサポートされないため、デスクトップの MATLAB が必要となります。

例

すべて折りたたむ

RX 検出器を使用したハイパースペクトルデータ内の異常ピクセルの検出

この例では次を使用します。

ライブスクリプトを開く

ハイパースペクトルデータキューブ内の各ピクセルの RX スコアを計算して、ハイパースペクトルデータ内の異常ピクセルを検出します。次に、RX スコア値の累積確率分布を使用して、真の異常ピクセルを検出するためのしきい値を計算します。

異常ピクセルを含むハイパースペクトルデータをワークスペースに読み取ります。

hcube = hypercube('indian_pines.dat');

RX 検出器を使用して、入力ハイパースペクトルデータ内の異常ピクセルを見つけます。検出器は均一領域内で強度差が大きいピクセルを検索します。

rxScore = anomalyRX(hcube);

範囲 [0, 255] に再スケーリングして、RX スコア値のダイナミックレンジを小さくします。

rxScore = im2uint8(rescale(rxScore));

RX スコアマップを表示します。RX スコアの高いピクセルは異常ピクセルの可能性があります。

figure
imagesc(rxScore)
colorbar

RX スコア値の累積確率分布を計算してプロットします。

count = imhist(rxScore);
pdf = count/prod(size(rxScore,[1 2]));
cdf = cumsum(pdf(:));
figure
plot(cdf)
xlabel('RX Score')
ylabel('Cumulative Probability Values')

信頼係数値を 0.998 に設定します。信頼係数よりも大きな累積確率分布値を持つ最初の RX スコアをしきい値として選択します。このしきい値は、RX スコアがこの値を超えるピクセルは 99.8% の信頼度で異常であることを表します。

confCoefficient = 0.998;
rxThreshold = find(cdf > confCoefficient,1);

しきい値処理を適用して、計算されたしきい値を超える RX スコアを持つ異常ピクセルを検出します。結果はバイナリイメージであり、異常ピクセルには強度値 1、その他のピクセルには 0 が割り当てられます。

bw = rxScore > rxThreshold;

関数 colorize を使用して、データキューブの RGB バージョンを導出します。RGB イメージに異常ピクセルのバイナリイメージを重ね合わせます。

rgbImg  = colorize(hcube,'Method','rgb');
B = imoverlay(rgbImg,bw);

バイナリイメージおよび重ね合わせたイメージを両方とも表示します。

fig = figure('Position',[0 0 800 400]);
axes1 = axes('Parent',fig,'Position',[0 0.1 0.5 0.8]);
imagesc(bw,'Parent',axes1);
title('Detected Anomalous Pixels')
axis off
colormap gray
axes2 = axes('Parent',fig,'Position',[0.5 0.1 0.5 0.8]);
imagesc(B,'Parent',axes2)
title('Overlaid Image');
axis off

入力引数

すべて折りたたむ

`inputData` — 入力ハイパースペクトルデータ
3 次元数値配列 | `hypercube` オブジェクト

入力ハイパースペクトルデータ。3 次元数値配列または hypercube オブジェクトとして指定します。入力がサイズ M x N x C の 3 次元数値配列の場合、関数はそれを M x N ピクセルでスペクトルバンドが C のハイパースペクトルデータキューブとして読み取り、RX スコアを計算します。入力が hypercube オブジェクトの場合、関数は DataCube プロパティに格納されたデータキューブを読み取り、RX スコアを計算します。ハイパースペクトルデータキューブは実数で非スパースでなければなりません。

出力引数

すべて折りたたむ

`rxScore` — 出力 RX スコア
行列

ハイパースペクトルデータキューブ内の各ピクセルの出力 RX スコア。入力データの空間次元と同じく、サイズ M x N の行列として返されます。

データ型: double

アルゴリズム

各ピクセルの RX スコアは次のように計算されます。

$D_{R X} = {(r - μ_{C})}^{T} Σ_{C}^{- 1} (r - μ_{C})$

r はテスト対象のピクセルであり、μ_C および Σ_C はそれぞれ、スペクトル平均および共分散です。異常ピクセルは一般的に高い RX スコアを持ちす。

RX スコアの累積確率分布からしきい値を推定して、異常ピクセルの検出をさらに調整できます。RX 検出器を使用したハイパースペクトルデータ内の異常ピクセルの検出の例を参照してください。

参照

[1] Reed, I.S., and X. Yu. “Adaptive Multiple-Band CFAR Detection of an Optical Pattern with Unknown Spectral Distribution.” IEEE Transactions on Acoustics, Speech, and Signal Processing 38, no. 10 (October 1990): 1760–70. https://doi.org/10.1109/29.60107.

[2] Chein-I Chang and Shao-Shan Chiang. “Anomaly Detection and Classification for Hyperspectral Imagery.” IEEE Transactions on Geoscience and Remote Sensing 40, no. 6 (June 2002): 1314–25. https://doi.org/10.1109/TGRS.2002.800280.