Original paper

Performance Comparison of Contemporary Anomaly Detectors for Detecting Man-Made Objects in Hyperspectral Images

Khazai, Safa; Safari, Abdolreza; Mojaradi, Barat; Homayouni, Saeid

Abstract

Anomaly detection (AD) is an important and challenging area in hyperspectral image analysis. Based on different approaches, numerous AD algorithms have been presented and developed throughout the literature. This paper aims to compare detection performances of contemporary AD algorithms for detecting man-made objects in hyperspectral imagery. The algorithms used in this study include the segmented based Reed-Xiaoli (RX) algorithm, the principal component analysis based RX (PCA-RX), the orthogonal subspace projection based anomaly detector (OSP-AD), the kernel PCA-RX, and the kernel based one-class support vector machines. To evaluate the performance of the algorithms, three real hyperspectral datasets are employed. The performance comparison is then carried out on the basis of the receiving operative characteristics (ROC) curve and the average of false alarm rate (AFAR). Experimental results suggest that among the AD algorithms the OSP-AD is the most promising detector for detecting man-made targets.

Kurzfassung

Die Erkennung von Anomalien in der Analyse von Hyperspektralbildern ist eine wichtige und anspruchsvolle Aufgabe. In der Literatur findet man viele Algorithmen zur Anomaliedetektion. Dieser Artikel vergleicht die modernen Detektoren hinsichtlich ihrer Leistungsfähigkeit zur Erkennung von künstlichen Objekten. Die Studie berücksichtigt den ,,Segmented Based Reed-Xiaoli (RX) Algorithmus“, den auf der Hauptachsenanalyse basierenden Reed-Xiaoli (RX) Algorithmus (PCA-RX), den auf der ,,Orthogonal Subspace Projection“ basierenden Anomaliedetektor (OSP-AD), den Kernel PCA-RX, and die ,,Kernel Based One-Class Support Vector Machines“. Der Untersuchung lagen drei Hyperspektraldatensätze zu Grunde. Als Kenngrößen wurden die ,,Receiving Operative Characteristics (ROC) Curve“ und die ,,Average of False Alarm Rate (AFAR)“ gewählt. Nach unseren Ergebnissen dürfte der OSP-AD für die Erkennung von künstlichen Objekten am geeignetsten sein.

Keywords

anomaly detectionhyperspectral imagesman-made objects