A hyperspectral imaging system (HIS) with a Fourier transform infrared (FTIR) spectrometer is an emerging technology for the remote detection and identification of chemical gas clouds. The NMF, which is uniformly most powerful invariant test, is widely used to chemical gas detection. However, it is vulnerable to a background contamination problem and a low signal-to-ratio (SNR) problem. In this thesis, we propose an hard expectation-maximization normalized matched filter (EM-NMF) to address the background contamination problem. We also propose a cooperative NMF based on the optimal cooperation scheme to address the low SNR problem.
To design the NMF, background statistics calculated from a background training dataset are required. However, in practice, because the training dataset is likely to contain gas-on background pixels, the performance of the NMF is severely degraded. This problem is referred to as a background contamination problem. To address this issue, we propose an algorithm that estimates the posterior probability of each pixel belonging to either the background or the gas class. The optimal posterior probabilities are obtained by maximizing the log-likelihood of a contaminated dataset using the EM algorithm. Based on the posterior probability, we extract gas-free background pixels from the contaminated dataset and design an hard EM-NMF with extracted gas-free background pixels. We demonstrate that the proposed algorithm is an effective solution for the background contamination problem, via experimental results conducted with actual chemical gas data measured by a Bruker HI--90 instrument in an outdoor setting as well as synthetic chemical gas data.
Given the small light received at each pixel in the hyperspectral image (HSI), the spectrum of each pixel has a low SNR and the detection performance of the NMF is limited. Therefore, we propose a linear cooperation scheme that allocates cooperation coefficients to the spectra of the neighbouring pixels. The optimal cooperation coefficients, which removes noise signatures while minimizing the distortion of gas signatures, are acquired by finding the maximum likelihood estimator (MLE) of the cooperation coefficients and determined according to the corresponding spectral data. Finally, we design a cooperative NMF with the optimal cooperation scheme. We demonstrate that the proposed cooperative NMF is capable of robust detection performance via outdoor experiments with actual chemical gas data.
푸리에 트랜스폼 기반 수동형 초분광 분해기는 화학 가스 탐지 분야에 있어서 각광받고 있는 기술 중 하나다. 초분광 영상으로 부터 화학 작용제를 탐지하는 방법으로서 균일최강력검사로 알려져 있는 정규정합필터가 널리 사용되어지고 있다. 그러나 이 정규정합필터는 배경오염 문제와 저 신호대잡음비 (signal-to-noise, SNR) 문제에 치명적이다.
본 학위논문에서는 배경오염문제에 대처하기 위한 경 기댓값최대화 기반 정규정합필터(Hard Expectation-Maximization Normalized Matched Filter, Hard EM-NMF)를 제안하고, 저 신호대잡음비 문제를 대처하기 위한 협력 정규정합필터(Cooperative NMF)를 제안한다.
정규정합필터를 설계하기 위해서는 배경훈련 데이터 집합으로 부터 계산된 배경 통계정보가 필요하다. 하지만 배경훈련 데이터 집합이 가스-배경 혼합화소를 포함하는 경우 정규정합필터의 성능이 매우 떨어지며, 이러한 현상을 배경오염이라고 한다. 이러한 배경오염하에서 정규정합필터를 설계하기 위해 우리는 각 화소가 단독 배경화소군 혹은 가스-배경 혼합화소군에 속할지를 나타내는 사후확률을 추정하는 알고리즘을 제안한다. 최적의 사후확률은 기댓값최대화 알고리즘을 이용해서 오염된 훈련 데이터집합의 로그-우도를 최대화하는 것으로 구한다. 이러한 사후확률을 기반으로 우리는 오염된 훈련 데이터 집합으로 부터 배경 단독화소들을 추출하여, 이를 이용해 다시 정규정합필터를 설계한다. 이렇게 설계된 정규정합필터를 기댓값최대화 기반 정규정합필터라 한다. 우리는 Bruker 사의 HI-90 장비로 획득한 가상 화학가스 데이터와 실제 화학가스 데이터를 이용한 실험을 통해 제안하는 알고리즘이 배경오염문제에 효과적임을 입증한다.
초분광 영상에서 각 화소에 입사하는 빛의 양이 적기때문에 각 화소의 스펙트럼들의 신호 대 잡음비는 상당히 작고, 이 또한 정규정합필터의 성능을 감소시키는 요인이다. 각 화소의 신호 대 잡음비를 증가시켜 정규정합필터의 성능을 개선하기 위해 우리는 인근화소의 스펙트럼에 가중치를 가하는 협력기법을 제안한다. 이때 신호를 왜곡시키지 않으면서 잡음을 최소화하는 최적의 협력계수는 협력계수들의 최대우도추정치(Maximum Likelihood Estimator, MLE)이다. 이렇게 구한 최적의 협력기법에서는 최적의 협력계수는 협력 화소들의 스펙트럼 데이터에 의해 결정된다. 인근화소에 동일한 가중치를 가하는 이동평균기법(Moving Average)은 준최적 협력 기법임을 증명했다. 마지막으로 최적의 협력기법을 기반으로하는 협력 정규정합필터를 제안한다. Bruker 사의 HI-90 장비로 측정한 실제 가스 데이터를 이용한 실험을 통해 제안하는 협력 정규정합필터의 우수함을 입증한다.
