Evaluation of Color Anomaly Detection in Multispectral Images For Synthetic Aperture Sensing

要約

本稿では、AOS（Airborne Optical Sectioning）と呼ばれる波長に依存しない合成開口センシング技術で得られたマルチスペクトル画像における教師なし異常検出方法を評価する。ドローンを用いて密林の中で行方不明者や負傷者を探す捜索救助活動に焦点を当て、これらの手法の実行時間対品質を評価する。さらに、通常、視覚領域で動作する色彩異常検出手法は、常に遠赤外線（熱）チャネルの追加が有効であることを示す。また、熱帯域を追加しない場合でも、視覚領域の色空間の選択がすでに検出結果に影響を及ぼしていることを示す。HSVやHLSのような色空間は、特に森林のような環境で色彩異常検出を行う場合、広く使われているRGB色空間よりも優れた性能を発揮する可能性があるのです。

要約(オリジナル)

In this article, we evaluate unsupervised anomaly detection methods in multispectral images obtained with a wavelength-independent synthetic aperture sensing technique, called Airborne Optical Sectioning (AOS). With a focus on search and rescue missions that apply drones to locate missing or injured persons in dense forest and require real-time operation, we evaluate runtime vs. quality of these methods. Furthermore, we show that color anomaly detection methods that normally operate in the visual range always benefit from an additional far infrared (thermal) channel. We also show that, even without additional thermal bands, the choice of color space in the visual range already has an impact on the detection results. Color spaces like HSV and HLS have the potential to outperform the widely used RGB color space, especially when color anomaly detection is used for forest-like environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL