엔드멤버 변동성을 고려한 비지도 하이퍼스펙트럼 이미지 언믹싱
본 논문은 엔드멤버의 스펙트럼 변동성을 확률적 모델로 표현하고, 베이지안 프레임워크 하에 전체 이미지의 스펙트럼·공간 정보를 동시에 추정하는 비지도 언믹싱 방법을 제안한다. 엔드멤버 평균과 공분산을 추정하고, 추정된 어빌리티를 기반으로 이미지 분할까지 수행한다. 파라미터 추정은 제약형 해밀턴 몬테카를로(HMC) 샘플링으로 구현한다. 합성 및 실제 데이터 실험을 통해 높은 정밀도와 공간 일관성을 확인하였다.
저자: Abderrahim Halimi, Nicolas Dobigeon, Jean-Yves Tourneret
본 논문은 하이퍼스펙트럼 이미지(HSI)에서 픽셀당 여러 물질이 혼합된 스펙트럼을 해석하는 언믹싱 문제를 다루며, 특히 엔드멤버(물질)의 스펙트럼 변동성을 모델링하는 새로운 베이지안 프레임워크를 제안한다. 전통적인 선형 혼합 모델(LMM)은 엔드멤버를 고정된 스펙트럼으로 가정하지만, 실제 현장에서는 조명, 대기, 물질의 물리적·화학적 변화 등으로 인해 동일 물질이라도 스펙트럼이 위치에 따라 달라진다. 이러한 현상을 ‘엔드멤버 변동성(variability)’이라 부르며, 기존 연구에서는 엔드멤버를 스펙트럼 번들(bundles)이나 사전 정의된 라이브러리로 다루었으나, 순수 픽셀 부족 시 성능이 저하되는 한계가 있었다.
이에 저자들은 엔드멤버를 확률 변수로 취급하는 ‘정규 조성 모델(NCM)’을 확장한 ‘일반화된 정규 조성 모델(GNCM)’을 제안한다. GNCM에서는 각 픽셀 n에 대해 엔드멤버 sᵣₙ이 평균 mᵣ와 대각 공분산 diag(σ²ᵣ) 을 갖는 다변량 정규분포 N(mᵣ, diag(σ²ᵣ)) 에서 샘플링된다. 여기서 σ²ᵣ는 밴드별로 다를 수 있어 비동질적 변동성을 표현한다. 또한 관측 노이즈 eₙ을 별도의 가우시안(분산 ψ²ₙ)으로 모델링해 모델링 오류에 대한 강인성을 부여한다. 이 모델은 ψ²ₙ=0이면 기존 NCM과 동일하고, ψ²ₙ>0이면 보다 일반적인 형태가 된다.
베이지안 계층 구조는 다음과 같이 설계된다. (1) 엔드멤버 평균 M은 물리적 제약(0
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기