ارائه یک الگوریتم وفقی به منظور تجزیه طیفی مواد در تصاویر فراطیفی

در این مقاله، روش پردازشی نوینی به منظور تجزیه طیفی مواد در تصاویر فراطیفی ارایه شده است. بیشتر روش های تجزیه طیفی موجود با فرض مدل خطی برای پدیده اختلاط طیفی، تلاش می کنند با ارایه الگوریتم هایی، امضای طیفی مواد موجود احتمالی را در تصویر فراطیفی مشاهده شده تخمین بزنند و صرفا با مقایسه آنها با امضاهای طیفی موجود در کتابخانه طیفی و بر مبنای مشابهت طیفی، به نوع ماده تشکیل دهنده تصویر پی ببرند؛ درحالی که کتابخانه طیفی، به منزله دانش قبلی و اتکاپذیر، اطلاعات ارزشمندی در اختیار ما قرار می دهد. گفتنی است در پایه ریزی الگوریتم های موجود، کمتر به این کتابخانه توجه شده است. استفاده مستقیم از اطلاعات کتابخانه طیفی، اساس روش پیشنهادی در این مقاله است. در روش پیشنهادی و با فرض مدل خطی برای پدیده اختلاط طیفی، مسئله تجزیه طیفی با یک مدل خطی و تغییرناپذیر با زمان و بدون هرگونه فرض آماری بر مجموعه ای از امضاهای طیفی موجود در کتابخانه طیفی، مدل سازی می شود. بردار وزن این مدل برای هر کدام از امضاهای طیفی حاضر در مجموعه انتخاب شده، با الگوریتم کمترین میانگین مربعات نرمالیزه شده (Normalized Least Mean Square: NLMS) تخمین زده می شود؛ به گونه ای که امضای طیفی هر ماده و بردار وزن متناظر با آن، یک زوج به شدت نامتعامد را تشکیل می دهند؛ درحالی که این بردار وزن بر امضای طیفی سایر مواد تقریبا عمود است. به منظور ارزیابی عملکرد الگوریتم پیشنهادی و مقایسه آن با الگوریتم های دیگر، از مجموعه داده فراطیفی و سنتزشده مبتنی بر فراکتال ها استفاده شده که برای همین منظور تهیه شده است. دو ویژگی مهم الگوریتم NLMS، یعنی مقاوم بودن و توانایی تشخیص سریع تغییرات پارامتر باعث می شود الگوریتم پیشنهادی نسبت به نویز و تغییرات طیفی، مقاوم و در مقایسه با الگوریتم های دیگر، عملکرد بهتری در نسبت های سیگنال به نویز (SNR) پایین داشته باشد.