JP5925417B2 - 新型背景推定技術及びハイパースペクトル標的検出法 - Google Patents

Description

本明細書の実施形態は、概してハイパースペクトルイメージング及び検出に関し、具体的にはハイパースペクトル標的検出に関する。

ハイパースペクトルイメージング及び検出は、通常、必ずしも隣接しない広い電磁スペクトルバンドを利用して対象物のイメージング及び／又は検出を行う一種のスペクトルイメージング及び解析である。ハイパースペクトルリモートセンシングは、広い用途を有し、例えば採鉱及び地質学において、油及び鉱物の探索に使用することができる。ハイパースペクトルイメージングは、生態学と監視、空港保安、並びに古代の判読不能な文章の画像化といった歴史的手書き原稿などの広い分野でも使用されている。衝突回避といった自動車の分野にも使用されている。また、ハイパースペクトルイメージング技術は、無人航空機（ＵＡＶ）を使用する情報、監視、及び偵察（ＩＳＲ）の用途などの、様々な標的検出のアプリケーションに関連している。

ハイパースペクトルイメージング及び検出システムは、一又は複数のセンサからハイパースペクトルイメージデータを受信する。このハイパースペクトルイメージデータには、通常、数百〜数千のスペクトルバンドが含まれている。ハイパースペクトルセンサは、通常、各々がピクセルの二次元配列である一組のイメージのような情報を収集する。各ピクセルは、電磁スペクトル（スペクトルバンド）の範囲内において受信されたエネルギーを測定及び表示する。次いでこれらのイメージは複数の平面に合成されて三次元のハイパースペクトルキューブを形成する。このキューブにおいて、深さは各スペクトルバンドのピクセル配列平面を表わしている。

一又は複数のセンサの精度は、一般にスペクトル分解能において測定される。スペクトル分解能は、一又はセンサによって捕捉されたスペクトルの各バンドのバンド幅である。ハイパースペクトルイメージング及び検出システムが極めて狭い多数の周波数バンドを受信する場合、対象物が少数のピクセルに捕捉されているだけでも、対象物を特定することができる。しかしながら、スペクトル分解能だけでなく空間的分解能も一の因子である。一のピクセルが大きすぎる表面積からのスペクトルを受信する場合、同じピクセルに複数の対象物が受信される場合があり、これは標的の特定を困難にする。ピクセルが小さすぎる場合、各センサ−セルによって捕捉されるエネルギーが低く、信号対雑音比が低下することにより、測定された特徴の信頼性が低下する。

背景から標的材料を特定するため、及び／又はピクセル内の未知の材料を特定するために、様々なアルゴリズムが存在する。一般に、このようなアルゴリズムは、最前のアナログ信号を、高速且つ高ダイナミックレンジのアナログ−デジタル変換（デジタル化）した後、極めて複雑且つ計算機負荷の高いデジタル信号処理（ＤＳＰ）を必要とする。デジタル化及びＤＳＰは共に大きな電力を消費しうる。従来のアナログ式信号処理のようなハードウェアにおける既存のアルゴリズムの実装は、例えば相補型金属酸化膜半導体（ＣＭＯＳ）技術を用いるもののような、スケーリングされたアナログ回路の性能限界により最適でない場合がある。反対に、伝統的なＤＳＰアプローチは高速サンプリングと演繹的デジタル化とを必要とし、これは電力消費が大きいこと、及び結果的に得られる演算速度が低いことによる限界を有しうる。既存の制約付きエネルギー最小化（ＣＥＭ）アルゴリズムの実装のような伝統的なハイパースペクトル標的検出アルゴリズムは、特に小型で電力に制限のある移動プラットフォームにおいて、実時間又は準実時間で動作できない場合がある。

したがって、実時間又は準実時間で動作できる、ハイパースペクトルイメージング及び検出、回路、検出アルゴリズム、及び背景推定技術に対する需要が存在する。

ハイパースペクトルイメージデータに基づく標的検出のためのシステム、回路、及び方法が開示される。修正された制約付きエネルギー最小化（ＣＥＭ）法を用いてフィルタ係数が決定される。修正されたＣＥＭ法は、制約付きリニアプログラミング最適化を実行するように動作可能な回路において動作することができる。フィルタ係数を含むフィルタをハイパースペクトルイメージデータの複数のピクセルに適用することにより、ピクセルのＣＥＭ値が形成され、このＣＥＭ値に基づいて一又は複数のピクセルが特定される。本方法を繰返すことにより、ハイパースペクトルイメージデータに基づいて特定された標的ピクセルを除外することによって決定されるフィルタ係数を使用することにより、標的認識を強化することができる。

第１の実施形態は、標的材料からなる標的スペクトルと背景材料からなる背景スペクトルとを含む複数のピクセルを含むハイパースペクトルイメージデータに基づいて、標的を検出する方法から構成される。本方法は、ハイパースペクトルイメージデータ、標的スペクトル、及び推定される背景スペクトルに基づいて制約付きリニアプログラミング最適化を実行する回路手段を使用することにより第１のフィルタ係数を決定する。本方法は更に、第１フィルタ係数を含む第１のフィルタをピクセルに適用することにより、第１のフィルタ済みピクセルを取得し、第１のフィルタ済みピクセルに基づいて第１の標的ピクセルを特定する。

第２の実施形態は、複数のピクセルを含むハイパースペクトルイメージデータに基づいて標的検出を行うシステムから構成される。このシステムは、制約付きリニアプログラミング最適化を実行して、制約付きエネルギー最小化アルゴリズムを実行するように動作可能なプロセッサを含んでいる。このプロセッサは、ハイパースペクトルイメージデータ、標的スペクトル、及び推定される背景スペクトルに基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段を使用して第１のフィルタ係数を決定するように動作可能である。このプロセッサは、更に、第１のフィルタ係数を含むフィルタをピクセルに適用することにより、第１のフィルタ済みピクセルを取得して、第１のフィルタ済みピクセルに基づいて第１の標的ピクセルを特定するように動作することができる。

第３の実施形態は、ハイパースペクトルイメージデータに基づく標的検出方法から構成される。本方法は、各々が標的材料の標的スペクトルと背景材料の背景スペクトルとを含む複数のピクセルを特定して、それらピクセルの平均スペクトルを計算することにより第１の背景スペクトルを取得する。本方法は、更に、ハイパースペクトルイメージデータ、標的スペクトル、及び第１の背景スペクトルに基づいて制約付きエネルギー最小化（ＣＥＭ）最適化を実行することにより、第１のフィルタ係数を取得する。本方法はまた、第１のフィルタ係数を使用してピクセルのＣＥＭ値を推定する。

第４の実施形態は、ハイパースペクトル標的検出用の回路から構成される。この回路は、ハイパースペクトルイメージデータから標的ピクセルを選択するように動作可能な制御手段と、ハイパースペクトルイメージデータに対して標的ハイパースペクトルイメージデータを比較するように動作可能なフィルタ手段とを備えている。この回路は、更に、ハイパースペクトルイメージデータ、標的スペクトル、及び推定される背景スペクトルに基づいてフィルタ係数を計算するように動作可能な制約付きリニアプログラミング最適化手段を含んでいる。

本発明の概要は、一連の構想を紹介するために簡潔に記載されており、この構想は後述で更に詳細に説明される。本発明の概要は、特許請求される主題の重要な特徴、又は基本的な特徴を特定することを意図したものではなく、特許請求される主題の範囲を決定するうえでの補助として使用されることを意図したものでもない。

本明細書の実施形態について、添付図面を参照して以下に説明する。図中、類似の参照番号は類似の要素を示している。添付図面は、説明のため、及び本発明の例示的実施形態を示すために提供されている。これらの図面は、本発明の、幅、範囲、規模、又は適用性を制限することなく、本発明の理解を促すために提供されている。図面は必ずしも正確な縮尺で描かれてはいない。

本発明の一実施形態によるハイパースペクトルイメージングを行う状況の一例を示している。 本発明の一実施形態による例示的なハイパースペクトルイメージングを示している。 本発明の一実施形態による例示的なハイパースペクトルイメージデータキューブを示している。 本発明の一実施形態による例示的なハイパースペクトル標的スペクトルを示している。 本発明の一実施形態による実数値のマトリックスの各ピクセルの、例示的なハイパースペクトルイメージデータを示している。 本発明の一実施形態によりハイパースペクトルイメージデータに基づいて標的検出を行う例示的な方法を示すフロー図である。 本発明の一実施形態により背景スペクトルを推定するための制約付きエネルギー最小化（ＣＥＭ）アルゴリズムの回路実現を示している。 本発明の一実施形態により図７の回路を動作させるための例示的方法を示すフロー図である。 本発明の一実施形態による背景スペクトルの放射輝度の決定の一実施例を示すグラフである。 本発明の一実施形態によるフィルタ係数の決定の一実施例を示すグラフである。 本発明の一実施形態による標的スペクトルに対するピクセルの一致度を例示するグラフである。 本発明の一実施形態によるイメージングに使用された様々な数のピクセルについて、標的材料の相対的存在量の推定値を従来のアルゴリズムとの対比で例示するグラフである。 本発明の一実施形態により３００個のピクセルについて行った標的検出の一実施例を示すグラフである。 本発明の一実施形態により３０個のピクセルについて行った標的検出の一実施例を示すグラフである。 本発明の一実施形態による、背景除去を行わない修正済みＣＥＭアルゴリズムを用いたフィルタ係数の収束の一実施例を示すグラフである。 本発明の一実施形態による、背景除去を行わない修正済みＣＥＭアルゴリズムを用いて推定されたＣＥＭ値の一実施例と、基準となるグラウンドトルースとの比較を示すグラフである。 本発明の一実施形態による、背景除去を行う修正済みＣＥＭアルゴリズムを用いたフィルタ係数の収束の一実施例を示すグラフである。 本発明の一実施形態による、背景除去を行う修正済みＣＥＭアルゴリズムを用いて推定されたＣＥＭ値の一実施例と、基準となるグラウンドトルースとの比較を示すグラフである。

後述の詳細な説明は、例示的な性質のものであって、本開示内容又は用途、及び本発明の実施形態の使用を限定することを意図するものではない。特定の装置、技術、及び用途の説明は、例示のみを目的として提供されている。当業者であれば、本明細書に記載される実施例への修正が容易に想起できるであろうし、本明細書に規定される一般原理は、本発明の理念及び範囲を逸脱せずに他の実施例及び用途に適用可能である。更に、本発明は、上述の技術分野、背景技術、発明の概要、又は後述の詳細な説明において、明示、暗示の区別を問わず提示されるいずれの理論にも縛られることはない。本発明は、請求の範囲と一致する許容範囲を有し、本明細書に記載及び例示される実施例に限定されるものではない。

本明細書において、本発明の実施例は、機能的及び／又は論理的ブロック要素及び種々の処理ステップの観点から記載される。このようなブロック要素は、特定の機能を実行するために構成された任意の数のハードウェア、ソフトウェア、及び／又はファームウェア要素により実現することができる。簡潔さのために、ハイパースペクトルセンシング、ＤＳＰ、及びシステムのその他の機能的な面（及びシステムの個々の動作要素）に関連する従来の技術及び要素についてはここでは詳細に説明しない場合がある。加えて、当業者であれば、リモートセンシング、標的検出などに関連して本発明の実施形態を実施できることを理解するであろう。当業者であれば、本明細書に開示されるシステムが、本発明の一例示的実施形態にすぎないことも理解するであろう。

本明細書では、本発明の実施形態は、実用的な非限定的な用途、即ちリモートセンシングに照らして説明される。しかしながら、本発明の実施形態は、このようなリモートセンシングの用途に限定されるものではなく、本明細書に記載される技術は他の用途でも利用することができる。例えば、これらの実施形態は、画像解析、衝突回避、空港での薬物及び爆発物に関する身体走査、手荷物走査、製品欠陥走査などに適用できる。

本明細書を読んだ当業者であれば理解するように、後述する本発明の実施例及び実施形態は、これらの実施例による動作に限定されない。本発明の例示的実施形態の範囲から逸脱せずに、他の実施形態を利用することができ、構造を変更することができる。

図１は、本発明の一実施形態によるハイパースペクトルイメージングを行う状況１００を示している。ハイパースペクトルイメージングを行う状況１００は、走査対象表面１０２、標的１０４、及びイメージングプラットフォーム１０６を含んでいる。航空機などのイメージングプラットフォーム１０６は、走査対象表面１０２を走査することにより、標的１０４を探索する。

走査対象表面１０２は、限定しないが、例えば、耕作地などの地形材料Ｓ_１、道路などの地形材料Ｓ_２、及び樹木などの地形材料Ｓ_３からなる三種類の地形材料を含む地表からなっている。耕作地Ｓ_１、道路Ｓ_２、及び樹木Ｓ_３の各々は、ハイパースペクトル周波数バンドに異なるスペクトル特性を有しうる。例えば、耕作地Ｓ_１は、水の吸収周波数で高い吸収を有し、道路Ｓ_２はタール及びアスファルトの吸収周波数で高い吸収を有し、樹木Ｓ_３は可視光の高い吸収を有しうる。

標的１０４は、限定しないが、例えば、ライフル銃のような金属物を含む。ライフル銃は、兵士によって保持されて木の葉に隠れている場合がある。ライフル銃が木の葉に隠れている場合、可視イメージングだけでは走査対象表面１０２のような背景から区別することが困難でありうる。しかしながら、標的１０４、例えば本実施例の場合ライフル銃は、走査対象表面１０２のハイパースペクトルのスペクトルから区別可能なハイパースペクトルのスペクトルを有しうる。

イメージングプラットフォーム１０６は、限定しないが、例えば、巡視航空機、衛星、飛行船、ＵＡＶ、地上用ビークル、ボート又は船、携帯式デバイスのような移動プラットフォーム、国境及び港湾における全身透視検査機などを含みうる。イメージングプラットフォーム１０６は、ハイパースペクトルイメージングデバイス（図示せず）を含む。航空機のようなイメージングプラットフォーム１０６は、走査対象表面１０２の上を飛行して、ハイパースペクトルイメージングデバイスを用いて標的１０４を探索することができる。イメージングプラットフォーム１０６は、走査対象表面１０２の上を飛行するとき、走査対象表面１０２の走査対象帯状域１０８を走査する。限定しないが、例えば、走査対象帯状域１０８の長さは、飛行方向１１０にほぼ垂直に約１０００メートル、及び飛行方向１１０にほぼ平行に約１００メートルとすることができる。イメージングプラットフォーム１０６の速度及び構成に応じて、イメージングプラットフォーム１０６は、限定しないが、例えば一秒間に約６０回にわたって（６０Ｈｚ）走査対象帯状域１０８を連続して走査することができる。走査対象帯状域１０８のような帯状域は、飛行方向１１０に連続していてもいなくてもよい。即ち、走査対象帯状域１０８は非連続的に走査することができる。

図２は、本発明の一実施形態による例示的なハイパースペクトルイメージングシステム２００を示している。例示的なハイパースペクトルイメージングシステム２００は、センサ２１０と、ＣＥＭ回路２１４を含む非同期式パルスプロセッサ（ＡＰＰ）２１２とを含んでいる。センサ２１０は、イメージングプラットフォーム１０６に連結可能であって、レンズシステム２０２、及び焦点面アレイ２０４を含んでいる。センサ２１０は、限定しないが、例えばプッシュブルーム型センサなどとすることができる。

レンズシステム２０２は、走査対象表面１０２（図１）から受信された光の流れ２０６を、センサ２１０の焦点面アレイ２０４上に集めて、光の流れ２０６を複数のスペクトルに分割する。限定しないが、例えば、レンズシステム２０２は光の流れ２０６を２１０個のイメージングされたスペクトルバンドなどに分割することができる。

焦点面アレイ２０４は複数のピクセルからなる一のアレイを含み、各ピクセルはイメージスペクトルバンドを受信するためのサブピクセルを含んでいる。限定しないが、例えば、焦点面アレイ２０４は、９個の空間ピクセルからなるピクセルアレイを含むことができ、９個の空間ピクセルの各々は２１０個のイメージングされたスペクトルバンドを受信するサブピクセルを有している。２１０個のイメージングされたスペクトルバンドは、限定しないが、例えば約５００ｎｍ〜約１１００ｎｍの周波数スペクトルを区切ることができる。９個の空間ピクセルは、イメージングプラットフォーム１０６が走査対象表面１０２の上を走査すると、走査対象表面１０２を、走査方向にほぼ垂直な直線としてイメージングする。このようにして、焦点面アレイ２０４は９個のピクセルデータベクトルｘ_ｉ（ｉ＝１〜９）を生じさせる。この場合、ピクセルデータベクトルｘ_ｉの各々は、各期間について、２１０個のイメージングされたスペクトルバンド（λ_１，．．．，λ_２１０）の各々に関する２１０個のデータ値を含んでいる。後述では、各ピクセルデータベクトルｘ_ｉ（ｉ＝１〜９）は、互換可能に、ｉ番目のピクセルの、ピクセルスペクトル、ハイパースペクトルイメージデータ、又はスペクトルと呼ばれる。

ＡＰＰ２１２はセンサ２１０に連結することができる。ＡＰＰ２１２は、実時間で、又は準実時間で、リニアプログラミング最適化アルゴリズムを処理できる専用プロセッサとすることができる。このようにして、修正済みＣＥＭアルゴリズムは、標的１０４を検出するために、ＡＰＰ２１２のＣＥＭ回路２１４上にマッピングすることができる。これについては後述する。ＡＰＰ２１２は連続時間分散型振幅シグナルプロセッサであり、これにより、標準のリニアプログラミング最適化問題として修正されたＣＥＭアルゴリズムのような最新式アルゴリズムを、単純に、高解像度且つ低電力で実施することができる。ＡＰＰ２１２のＣＥＭ回路２１４は、実時間で又は準実時間で、センサ２１０の焦点面アレイ２０４からピクセルアレイを含むハイパースペクトルイメージデータを受信する。ピクセルアレイは、ハイパースペクトルイメージデータを含むピクセルデータベクトルｘｉ（ｉ＝１〜９）を生成する。ＡＰＰ２１２のＣＥＭ回路２１４の出力は、限定しないが、例えば、標的ｙ_ｉ１０４の標的材料のスペクトルｔ、各ピクセル中の標的１０４の相対存在量（ＣＥＭ）値（下記等式（２）参照）などを含む。限定しないが、マイクロプロセッサ、デジタル式シグナルプロセッサ、アナログ式シグナルプロセッサ、アナログ／デジタル混合式プロセッサなどの非同期式パルスプロセッサ（ＡＰＰ２１２）以外のプロセッサも使用することができる。

図３は、本発明の一実施形態による例示的なハイパースペクトルイメージデータキューブ３００を示している。ハイパースペクトルイメージデータキューブ３００は複数のハイパースペクトル面３０２を含み、これらのスペクトル面が一のハイパースペクトルキューブ３０４を形成している。ハイパースペクトル面３０２は、走査対象帯状域１０８（図１）から得られたデータを含む実数値のマトリックスＸにより形成される。ハイパースペクトルイメージデータキューブ３０４は、走査対象表面１０２全体から収集された走査対象帯状域１０８のような複数の走査対象帯状域から得られたデータを含んでいる。

標的１０４のような標的材料を含むピクセルを特定するために、修正済みＣＥＭアルゴリズムが実行される。修正済みＣＥＭアルゴリズムは、所与のシーンから背景スペクトルの統計的詳細を生成し、次いで、所与のシーンのハイパースペクトルイメージデータｘ_ｉに混入しそうな背景スペクトルの影響を最小化するように、標的スペクトルに対する背景スペクトルの比較を重み付けする。このようにして、修正済みＣＥＭアルゴリズムは、特定された標的材料を含むピクセルを見出し、ピクセルのスペクトル内における特定された標的材料のスペクトルを推定する。第１のステップとして、修正済みＣＥＭアルゴリズムは、以下の関係式を最適化することにより、ＣＥＭフィルタ係数ｗを見出す。

ここで、ｐは、考慮されるグループに含まれるピクセルの総数であり、ｘ_ｉは、ｉ番目のピクセルのスペクトルを含むベクトル（サイズｎｂ×１）であり、ｎｂは、ｐ個のピクセルの各々のイメージングされたスペクトルバンドλ_ｉの数であり、

はｐ個のピクセル（又は除外されていないピクセル）の平均スペクトル（推定された背景スペクトル）を含むベクトル（サイズｎｂ×１）であり、ｔは標的材料のスペクトル（標的スペクトル）を含むベクトル（サイズｎｂ×１）であり、ｗはＣＥＭフィルタ係数のベクトル（サイズ１×ｎｂ）であり、Ｔはベクトル移項走査を表わしている。

第２のステップとして、修正済みＣＥＭアルゴリズムは、以下の関係式にしたがって前記ｐ個のピクセルをフィルタリングする。

ここで、ｙ_ｔは前記ｐ個のピクセルの各々に含まれる標的材料の相対存在量であり、

はＣＥＭフィルタ係数ベクトル（サイズｎｂ×１）であり、

はｉ番目のピクセルの背景推定値（放射輝度）を含むベクトル（サイズｎｂ×１）である。例えば、ｙ_ｉが１に等しい場合は、ｉ番目のピクセルは標的材料を約１００％含み、ｙ_ｉが０に等しい場合は、ｉ番目のピクセルは標的材料を約０％含み、且つｙ_ｉがＺに等しい場合は、ｉ番目のピクセルは標的材料を約１００×Ｚ％含む。

全部でｐ個のピクセルのハイパースペクトルイメージデータｘ_ｉの所定のセグメントについて、それらピクセルのハイパースペクトルイメージデータｘ_ｉを平均することにより、背景スペクトルの推定値

が計算される。次いで、修正済みＣＥＭアルゴリズムは、費用関数を最小化することにより、ハイパースペクトルイメージデータｘ_ｉの所与のセグメントのＣＥＭフィルタ係数ｗを推定し、これは、背景スペクトルの推定値

とＣＥＭフィルタ係数ベクトルｗ（ＣＥＭフィルタ係数ｗ）との積である。前記最小化プロセスの間に等式（１）が満たさなければならない二つの制約は、（１）標的材料の標的スペクトルｔとＣＥＭフィルタ係数ｗとの積が１でなければならないこと（

）と、（２）ｐ個のピクセルの各々とＣＥＭフィルタ係数ｗとの積がそれぞれゼロ以上でなければならないこと（

）である。

別の幾つかの実施形態では、制約（２）、即ち

に関して、少なくとも一つのピクセルデータベクトルｘ_ｉとＣＥＭフィルタ係数ｗとの個々の積は、限定しないが、例えば較正誤差、雑音などによりゼロ未満であることが許容される。例えば、（環境保護の分野で）ガスを検出するために修正済みＣＥＭが使用されるかどうかは、ガスが、排出モード（即ちガスは背景より温度が高い）に対して吸収モード（即ち、ガスは背景より温度が低い）で現われるときはネガティブである。標的が吸収モードであるとき、標的はＣＥＭフィルタと否定的に相関される。

ハイパースペクトルイメージデータキューブ３００は、標的１０４を検出するために修正済みＣＥＭアルゴリズムを適用することができる一実施例である。この実施例では、標的１０４のような一の標的材料と、図１に示す地形材料Ｓ_１、Ｓ_２、Ｓ_３のような三つの未知の材料が、図１に示す走査対象表面１０２のようなシーンの中に存在する。実数値マトリックスＸ（９の横列と２１０の縦列）の各ピクセルデータは、重み付けされた、四つの材料、即ちＳ_１、Ｓ_２、Ｓ_３及び標的材料のスペクトルの和を含むことができる。図１に示す地形材料Ｓ_１、Ｓ_２、Ｓ_３のような三つの未知の材料のスペクトルは不明でありうる。実際には、ランダム雑音が、四つの材料Ｓ１、Ｓ２、Ｓ３、及び標的材料のスペクトルを遮蔽しうる。このような実施例では、ランダム雑音がｐ＝９のピクセルの、２１０個のイメージングされたスペクトルバンド（λ_１，．．．λ_２１０）に付加される結果、信号対雑音比（ＳＮＲ）が約９０ｄＢとなる。

精度を上げるために、背景スペクトルの推定値、即ち

は、標的ピクセルであると決定されたピクセルを除外することにより計算することができる。背景スペクトルの推定値

の計算から除外されていないピクセルは非除外ピクセルである。背景スペクトルの推定値

は、以下の関係式に従って計算することができる。

ここで、ｐは非除外ピクセルの総数であり、ｘ_ｉはｉ番目の非除外ピクセルのスペクトルを含むベクトルであり、

は、非除外ピクセルの平均スペクトルを含むベクトルである。

図４は、本発明の一実施形態による例示的なハイパースペクトル標的スペクトル４００を示している。このハイパースペクトル標的スペクトル４００は、標的材料に対応し、２１０個のイメージングされるスペクトルバンド（λ_１，．．．，λ_２１０）の各々の放射輝度の値４０２を含んでいる。放射輝度の値４０２は、受け取った電磁放射を表わしており、限定しないが、例えば、直接的な経験的測定、間接的な経験的測定、概念的設計などに基づいて取得することができる。ハイパースペクトル標的スペクトル４００は、各走査対象帯状域１０８の実数値マトリックスＸと比較される。この比較は、相関などによって行うことができ、相関の度合いはｐ個のピクセルの各々のピクセルデータベクトルｘ_ｉ中に標的材料が存在する可能性を示す。

図５は、本発明の一実施形態による例示的ハイパースペクトルイメージデータ５００を示している。ハイパースペクトルイメージデータ５００は、それぞれが実数値マトリックスＸのピクセルスペクトルｘ_ｉを有するｐ＝９のピクセルの各々に関する、ハイパースペクトルイメージデータ５０２〜５１８のグラフを示している。ハイパースペクトルイメージデータ５０２〜５１８の各グラフは、９個のピクセルデータベクトル（ｘ_１，ｘ_２，．．．，ｘ_９）の各々に対応している。ｐ＝９個のピクセルの各々は、走査対象帯状域１０８から得られた、２１０個のイメージングされたスペクトルバンド（λ_１，．．．，λ_２１０）の各々の、走査された放射輝度測定値を含んでいる。ハイパースペクトル標的スペクトル（図４）と、このハイパースペクトルイメージデータ５００とを比較することにより、ｐ個のピクセルの各々のピクセルデータベクトルｘ_ｉ中における標的材料の存在又は不在が決定され、それにより標的１０４の存在又は不在が決定される。

図６は、本発明の一実施形態によりハイパースペクトルイメージデータに基づいて標的を検出する例示的プロセス６００を示すフロー図である。プロセス６００に関して実行される様々なタスクは、ソフトウェア、ハードウェア、ファームウェア、又はこれらのあらゆる組み合わせにより実行することができる。説明のために、プロセス６００の後述の説明は、図７に関連して後述する要素に言及している場合がある。実際の実施形態では、プロセス６００の一部は、回路７００に関連して後述される様々な要素により実行される。プロセス６００は、図１〜５、及び７に示す実施形態に類似の機能、材料、及び構造を有しうる。したがって、共通の特徴、機能、及び要素については繰り返し説明することをしない。

プロセス６００は、ハイパースペクトルイメージデータｘ_ｉ、標的スペクトルｔ、及び背景スペクトル推定値

に基づき、修正済みＣＥＭアルゴリズムを用いて、第１のフィルタ係数を決定すること（タスク６０２）により開始される。第１のフィルタ係数は、ハイパースペクトルデータｘｉ、標的スペクトルｔ、及び背景スペクトル推定値

に基づく制約つきリニアプログラミング最適化用に構成された回路を使用することにより決定される。このようにして、実時間で又は準実時間でリニアプログラミング最適化アルゴリズムを処理できる専用ＡＰＰ２１２上に、修正済みＣＥＭアルゴリズムをマッピングすることができる。後述で図７を参照して詳述するように、専用回路を使用することにより、図３を参照して上述した修正済みＣＥＭアルゴリズムに基づいて、実質的に実時間のアルゴリズムを実行することができる。修正済みＣＥＭアルゴリズムは、制約付きリニアプログラミング最適化問題として定式化される。

プロセス６００は、続いて、ハイパースペクトルイメージデータ（ｘ_１，ｘ_２，．．．，ｘ_９）に対し、第１のフィルタ係数を含むフィルタを適用して第１のフィルタ済みピクセルを取得することができる（タスク６０４）。修正済みＣＥＭアルゴリズムは、標的材料のスペクトルｔが既知であって他の材料のスペクトルが未知である場合も、標的材料を検出することができる。

プロセス６００は、続いて、第１のフィルタ済みピクセルに基づいて、それぞれのハイパースペクトルイメージデータｘ_ｉ中に標的材料を含む第１の標的ピクセルを特定することができる（タスク６０６）。このようにして、制約付きリニアプログラミング最適化を適用して未知のフィルタ係数を決定することにより、ＣＥＭフィルタ係数ｗが決定される。次いで、ＣＥＭフィルタ係数ｗを、ピクセルデータベクトル（例えば、実数値マトリックスＸの９個のピクセルｘ_１，ｘ_２，．．．，ｘ_９、ｐ＝ｘ_ｉの９の横列であり、ｎｂ＝λ_ｉの２１０の縦列である）に適用することにより、第１のフィルタ済みピクセルのＣＥＭ値が得られる。９個のピクセルデータベクトル（ｘ_１，ｘ_２，．．．，ｘ_９）の各々についてＣＥＭ値による検索が行われ、閾値に達するＣＥＭ値が第１の標的ピクセルとして特定される。しかしながら、精度を上げるために、背景スペクトルの推定値

の計算から第１の標的ピクセルを除外することにより、未知の背景材料Ｓ_１、Ｓ_２、Ｓ_３のスペクトルから標的材料のスペクトルｔを区別することができる。

プロセス６００は、続いて、第１の標的ピクセルに基づいて標的を特定することができる（タスク６１４）。標的１０４及び／又はその他の標的は、第１の標的ピクセルに基づいて特定することができる。

プロセス６００は、続いて、ハイパースペクトルイメージデータｘｉ、標的スペクトルｔ、及び背景スペクトルの推定値

に基づき、修正済みＣＥＭアルゴリズムを使用して、第２のフィルタ係数を決定することができる。この場合の、背景スペクトル推定値

は、ハイパースペクトルイメージデータｘ_ｉから第１の標的ピクセルのハイパースペクトルイメージデータｘ_ｉを除外することで計算される（タスク６０８）。タスク６０８は、背景スペクトル推定値

を推定するプロセスのために、ハイパースペクトルイメージデータｘ_ｉから除外された第１標的ピクセルのハイパースペクトルイメージデータｘ_ｉに対し、タスク６０４を繰返す。背景スペクトル推定値

の推定プロセスから標的材料のスペクトルｔを含む第１の標的ピクセルを除外することにより、修正済みＣＥＭアルゴリズムの機能的信頼性と標的検出、並びにｙ_ｉ推定性能が大きく改善される。

プロセス６００は、続いて、ハイパースペクトルイメージデータｘ_ｉに対して第２のフィルタ係数を含むフィルタを適用することにより、第２のフィルタ済みピクセルを取得することができる（タスク６１０）。修正済みＣＥＭアルゴリズムは、所与のシーンの背景スペクトル推定値

の統計的詳細を生成する。次いで、修正済みＣＥＭアルゴリズムは、ハイパースペクトルイメージデータｘ_ｉに混入しうる全ての背景スペクトル推定値

の影響を最小化するように、第１の標的ピクセルの標的スペクトルｔに対する背景スペクトル推定値の比較に重み付けする。標的１０４の標的材料のような特定の標的材料を含むピクセルが見出され、各ピクセルに含まれるそのような特定の標的材料の量（ＣＥＭ値）が推定される。

プロセス６００は、続いて、第２のフィルタ済みピクセルに基づいて第２の標的ピクセルを特定することができる（タスク６１２）。ＡＰＰ２１２のようなＡＰＰプラットフォーム上への回路設計の導入能を単純化して向上させるためには、例えば、約３０及び３００のピクセルからなる小グループのピクセルに対して動作可能でなければならない。一実施形態では、背景スペクトル推定値

に標的スペクトルが混入しないように、標的スペクトルｔを含みうるピクセルを素早く特定して、背景スペクトル推定値

の推定プロセスから除外する。このようにして、実数値間トリックスＸ（サイズ：ｐ＝９×ｎｂ＝２１０）の９個のピクセル（ｘ_１，ｘ_２，．．．，ｘ_９）の各々についてＣＥＭ値による検索が行われ、閾値に到達するＣＥＭ値が第２の標的ピクセルとして特定される。

プロセス６００は、続いて、第２の標的ピクセルに基づいて標的を特定することができる（タスク６１６）。標的１０４及び／又はその他の標的は、第１の標的ピクセルに基づいて特定される。

プロセス６００と、その部分及びタスクは、複数回に亘って繰返すことができ、反復の度に精度を向上させることができる。例えば、第１の標的ピクセルの代わりに第２の標的ピクセルを使用し、更には第２の標的ピクセルのイメージデータを除外して精度を向上させた背景推定値を使用して特定された第３組の標的ピクセルを使用して、タスク６０８〜６１２を繰返すことができる。

図７は、本発明の一実施形態による背景スペクトル推定値

の推定を行う修正済みＣＥＭアルゴリズムの例示的回路７００を示している。上述のように、ＣＥＭアルゴリズムのような最先端の計算機負荷の高いアルゴリズムに対する従来の信号処理方式は、新規のスケーリングされたＣＭＯＳ技術の回路が性能限界を有するために最適でない場合がある。更に、伝統的なデジタル式信号処理不式は、高速サンプリングとデジタル化を最前で必要とし、高い電力消費と低い演算速度による限界を有しうる。対照的に、ＡＰＰ技術は、時間連続的で振幅分散型の、非同期式アナログ／デジタル信号処理技術であり、実時間での演算又は動作を必要とするもののような、単純で高解像度であるが消費電力の低い最新のアルゴリズムを実施することができる。ＡＰＰ２１２のようなＡＰＰプラットフォーム上での実施を容易にするために、修正済みＣＥＭアルゴリズムは、ＡＰＰ２１２の回路７００のリニアプログラミング最適化問題として定式化される。

回路７００は、制御回路７０２及びＣＥＭ回路７０４（図２のＣＥＭ回路２１４）を含んでいる。第１に、一組のピクセルのハイパースペクトルイメージデータｘ_ｉの所与のセグメントについて、これらピクセルのスペクトルｘ_ｉを平均化することにより、背景スペクトル推定値

が計算される。次いで、修正済みＣＥＭアルゴリズムは、ハイパースペクトルイメージデータｘ_ｉの所与のセグメントのＣＥＭフィルタ係数ｗを推定する。

制御回路７０２は、第１のスイッチ７２２、マトリックス積７２４、第２のスイッチ７２６、第３のスイッチ７２８、第１の合算７３０、第２の合算７３２、及び除算７３４を含んでいる。

第１のスイッチ７２２は、制御回路７０２の時間値に応じて、フィルタ係数値又は０値をロードする。経過時間が所定の時間閾値を超えており、且つ第１のスイッチ７２２の出力がフィルタ係数値（サイズｎｂ×１）の現在の設定値である場合、或いは第１のスイッチ７２２の出力が０ベクトル（サイズｎｂ×１）である場合、経過時間は第１のスイッチ７２２のトリガとして機能する。

マトリックス積７２４は、ピクセル（サイズｐ×ｎｂ）のマトリックスＡ１と第１のスイッチ７２２（サイズｎｂ×１）の出力との積を含むピクセル（サイズｐ×１）のＣＥＭ値のベクトルを含んでいる。

第２のスイッチ７２６は、第２のスイッチの制御入力７３６におけるＣＥＭ値に応じて、１と０の間で出力値を切替える。ｐ個のピクセルのＣＥＭ値は、第２のスイッチ７２６のトリガとして機能する。ｐ個のピクセルの各々のＣＥＭ値が所定の存在量の閾値より大きく、それによってピクセルが標的スペクトルｔを含有しうることが示される場合、そのピクセルに対して第２のスイッチ７２６は値０を出力する。このようにして、標的スペクトルｔを含むピクセルを背景スペクトル推定プロセスから除外するという信号が発せられて、背景スペクトル推定値に標的スペクトルｔが混入されないことが示される。それ以外の場合、第２のスイッチ７２６は値１を出力する。

第３のスイッチ７２８は、第３のスイッチの制御入力７３８に基づく第２スイッチ７２６の結果に応じて、０、又はｐ個のスペクトル（サイズｐ×ｎｂ）のマトリックスを出力する。第２のスイッチ７２６の出力は、ピクセルデータベクトルｘ_ｉに対応する値が１である場合、第３のスイッチ７２８のトリガとして機能し、次いでピクセルデータベクトルｘ_ｉ（サイズ１×ｎｂ）は第３のスイッチ７２８の出力に中継される。そうではなくてピクセルに値０を示すフラグが立っている場合、０ベクトル（サイズ１×ｎｂ）が第３のスイッチ７２８の出力に中継される。

第１の合算７３０は、第２のスイッチ７２６から得られる値（サイズｐ×１）を合計することにより、標的材料を含むとは思われないフラグ無しピクセルの総数が計算されるように動作する。

第２の合算７３２は、第３のスイッチ７２８から得られたデータを合計する。第３のスイッチ７２８から得られたベクトル（サイズｐ×ｎｂ）が合計される（標的スペクトルｔを含むと思われるピクセルは０ベクトルで置き換えられる）。出力ベクトル（サイズ１×ｎｂ）をフラグ無しピクセルの数で除することにより、純粋な背景スペクトルが計算される。

除算７３４は、第２の合算７３２の出力ベクトル（サイズ１×ｎｂ）を、第１の合算７３０から得られたフラグ無しピクセルの数で除することにより、純粋な背景スペクトル推定値を計算する。純粋な背景スペクトル推定値は、上記等式（１）において

として計算された背景スペクトル推定値（エネルギー）を含んでいる。

ＣＥＭ回路７０４は、等式（１）の最小値を計算するフィードバックループを実行するように動作可能である。ＣＥＭ回路７０４は、フィルタ係数計算回路７０６、ピクセル−フィルタ係数マトリックス積回路７０８、及び標的−フィルタ係数マトリックス積回路７１０を含んでいる。

標的−フィルタ係数マトリックス積回路７１０は、等式（２）の計算を行って、標的スペクトルｔ（サイズ１×ｎｂ）と瞬間的ＣＥＭフィルタ係数ベクトル７４０（サイズ１×ｎｂ）を求める。標的スペクトル（等式（１）のｔ）のマトリックス積（等式（１）の ）と、瞬間的ＣＥＭフィルタ係数ベクトル７４０（等式（１）のｗ）が乗算機７１４によって計算されて、ＣＥＭ値の結果７９０（サイズ１×１）が取得される。約１に等しい値Ｂ２（サイズ１×１）がＣＥＭ値の結果７９０から減算されて、差別的ＣＥＭ値７９２（サイズ１×１）が取得される。値Ｂ２は、約１００の標的スペクトルｔを含むピクセルデータベクトルｘ_ｉのスペクトルのＣＥＭ値を表わしている。差別的ＣＥＭ値７９２は、（等式（１））からの距離

からなっている。積分機Ｉ３は、差別的ＣＥＭ値７９２のローパスフィルタ機能を提供することにより、回路７０４のフィードバックループにおける変動を低減する。

フィードバックループのペナルティー係数Ｇ６が積分機Ｉ３の出力７７２に加算されることにより、標的−フィルタ係数マトリックス積出力７７４（サイズ１×１）が取得される。フィードバックループペナルティー係数Ｇ６は、第１のペナルティー係数×差別的ＣＥＭ値７９２を含むことができる。第１のペナルティー係数は、限定しないが、例えば、ハイパースペクトルイメージデータｘｉの種類、瞬間的ＣＥＭフィルタ係数ベクトル７４０の収束率、回路特性などによって決まりうる。第１のペナルティー係数は、限定しないが、例えば、約１ｅ３の一定値、約０〜約１ｅ５で変動しうる値などでありうる。

ピクセル−フィルタ係数マトリックス積回路７０８は、等式（２）の計算を行って、ピクセルデータベクトルｘ_ｉ（サイズｐ×ｎｂ）と、瞬間的ＣＥＭフィルタ係数ベクトル７４０（サイズ１×ｎｂ）とを求める。ピクセルデータベクトルｘ_ｉのマトリックス積（等式（１）の ）と、瞬間的ＣＥＭフィルタ係数ベクトル７４０（等式（１）のｗ）とが、乗算機７１２によって計算されて、ＣＥＭ値の結果ベクトル７５４（サイズ１×ｐ）が取得される。積分機Ｉ１は、ＣＥＭ値の結果７５４のローパスフィルタ機能を提供することにより、回路７０４のフィードバックループにおける変動を低減する。

フィードバックループペナルティー係数Ｇ２が積分機Ｉ１の出力７９８に加算されて、調整された積分機出力７９６（サイズ１×ｐ）が取得される。フィードバックループペナルティー係数Ｇ２は、第２のペナルティー係数ｘ差別的ＣＥＭ値７５４を含むことができる。第２のペナルティー係数は、限定しないが、例えば、ハイパースペクトルイメージデータｘ_ｉの種類、瞬間的ＣＥＭフィルタ係数ベクトル７４０の収束率、回路特性などによって決まりうる。第１のペナルティー係数は、限定しないが、例えば、約１ｅ３の一定値、約０〜約１ｅ５で変動しうる値などでありうる。

ＣＥＭ値の結果７５４はスイッチバンク７５２を制御し、これは、対応するピクセルデータベクトルｘ_ｉのＣＥＭ値の結果７５４に応じて、出力ベクトル７６２（サイズ１×ｐ）の各アイテムに、値０又は調整済み積分機出力ベクトル７９６を設定する。対応するピクセルデータベクトルｘ_ｉのＣＥＭ値の結果７５４が０以上の値を有する場合、ｉ番目の位置の出力ベクトル７６２は０である。対応するピクセルデータベクトルｘ_ｉのＣＥＭ値の結果７５４が０未満の値を有する場合、ｉ番目の位置の出力ベクトル７６２は調整済み積分機出力ベクトル７９６のｉ番目の位置である。

フィルタ係数計算回路７０６は、ピクセル−フィルタ係数マトリックス積回路７０８の出力ベクトル７６２（サイズ１×ｐ）と標的−フィルタ係数マトリックス積出力７７４（サイズ１×１）とを受け取って、瞬間的係数値７４０（サイズｐ×ｎｂ）を計算する。瞬間的係数値７４０は、ピクセル−フィルタ係数マトリックス積回路７０８と、標的−フィルタ係数マトリックス積回路７１０へのフィードバックであり、この計算は、等式（１）の最小値に収束するまで繰返される。

ピクセル−フィルタ係数マトリックス積回路７０８の出力ベクトル７６２と標的−フィルタ係数マトリックス積出力７７４とは連結されて単一のベクトル７８２（サイズ１×ｐ＋１）を形成する。乗算機７１６が単一のベクトル７８２にピクセルスペクトルｘ_ｉの各々と標的スペクトルｔのマトリックス（サイズｐ＋１×ｎｂ）とを乗じることにより、結果ベクトル７８４（サイズ１×ｎｂ）が取得される。この結果ベクトル７８４は、ｐ個のピクセルの各々と、標的スペクトルｔとに含まれる標的材料の含有量を示すＣＥＭ値のベクトルを含んでいる（即ち、標的スペクトルｔの標的材料のパーセンテージは約１００％でなければならない、 ）。結果ベクトル７８４が背景スペクトル推定値ベクトル７８０（サイズ１×ｎｂ）に加算されることにより、中間ベクトル７８６（サイズ１×ｎｂ）が取得される。中間ベクトル７８６は、インバータＧ４によって反転されて反転済みベクトル７８８を生成し、積分機Ｉ２によって積分されて、瞬間的係数値７４０（サイズ１×ｎｂ）を生成するために変動を低減する。フィルタ係数レジスタ７９４は、ＣＥＭ回路７０４が収束するとき、最終フィルタ係数ｗを保持している。

ＣＥＭ回路７０４のフィードバックループは、出力ベクトル７６２が完全に０ベクトルに収束するまで反復する。ＣＥＭ回路７０４が収束した後は、最終フィルタ係数７４０を使用して、等式（２）に従って標的１０４の標的スペクトルｔの標的ピクセルを特定することができる。ＣＥＭ回路７０４は、対象の標的材料に関する所定の閾値を超えるピクセル位置を出力する。限定しないが、例えば、対象の標的材料の所定の閾値は約０．２とすることができる。

図８は、本発明の一実施形態により図７の回路の動作の例示的プロセスを示すフロー図である。プロセス８００に関連して実行される種々のタスクは、ソフトウェア、ハードウェア、ファームウェア、又はこれらのあらゆる組み合わせによって実行することができる。例示のために、プロセス８００に関する後述の説明では、図７に関連して上述した要素に言及する場合がある。実際の実施形態では、プロセス８００の部分は、後述する様々な要素によって実行されうる。プロセス８００は、図７に示した実施形態に類似の機能、材料、及び構造を有しうる。したがって、本明細書では、共通の特徴、機能、及び要素については繰返し説明することをしない。

プロセス８００は、各々が標的材料の標的スペクトルｔと背景材料のスペクトルとを含む複数のピクセルデータベクトルｘ_ｉを特定することにより開始される（タスク８０２）。

プロセス８００は、続いて、ピクセルデータベクトルｘ_ｉのスペクトルの平均を計算することにより、第１の背景スペクトルを取得することができる（タスク８０４）。ピクセルデータベクトルｘ_ｉの到来するグループの背景スペクトル推定値は、ピクセルデータベクトルｘ_ｉを平均化することにより計算される。この背景スペクトル推定値

を、修正済みＣＥＭアルゴリズムの数学的回路又は等価な回路のモデルが使用することにより、最適化が実行される。次いで、最適化サイクルの最後に修正済みＣＥＭアルゴリズムによって推定されるフィルタ係数ｗを使用して、ピクセルデータベクトルｘ_ｉのＣＥＭ値が推定される。

プロセス８００は、続いて、第１の背景スペクトル

に対してＣＥＭ最適化を実行することができる（タスク８０６）。限定しないが、例えば、第１のフィルタ係数を得るためのリニアプログラミング回路などを使用して、第１の背景スペクトル

に対してＣＥＭ最適化を行うことができる。

プロセス８００は、続いて、第１のフィルタ係数を使用することによりピクセルデータベクトルｘ_ｉのＣＥＭ値を推定することができる（タスク８０８）。

プロセス８００は、続いて、ＣＥＭ値を使用して、標的材料のスペクトルｔを含むピクセルデータベクトルｘ_ｉを特定することにより、特定されたピクセルを取得することができる（タスク８１０）。所定のＣＥＭ閾値より大きいＣＥＭ値を有するピクセルデータベクトルｘ_ｉには、標的材料のスペクトルｔを含むピクセルデータベクトルｘ_ｉとしてフラグが立てられて、特定済みピクセルが取得される。限定しないが、例えば、ＣＭＥ閾値は、約０〜約１、例えば約５０％の標的材料と約５０％の背景材料とを示す約０．５とすることができる。約０．５のＣＥＭ閾値の場合、約０．５を超えるＣＥＭ値を有する（背景より標的を多く含む）ピクセルには、標的材料のスペクトルｔを含むものとしてフラグを立てることができる。

プロセス８００は、続いて、ピクセル（ピクセルデータベクトルｘ_ｉ）のうちの、特定されたピクセルを除外することにより、非標的ピクセルを取得することができる（タスク８１２）。

プロセス８００は、続いて、非標的ピクセルのスペクトルの平均を計算することにより、第２の背景スペクトルを取得することができる（タスク８１４）。次のステップでは、ピクセルの同じ到来グループ（ピクセルデータベクトルｘ_ｉ）について第２の背景スペクトルが計算されるが、今回の計算は、フラグ無しピクセルのスペクトルバンドを平均化することにより行われる。

プロセス８００は、続いて、第２の背景スペクトル（新規

）に対するＣＭＥ最適化を実行することにより、第２のフィルタ係数を取得することができる（タスク８１６）。限定しないが、例えば、第１のフィルタ係数を取得するためのリニアプログラミング回路などを使用して、第２の背景スペクトル

に対してＣＥＭ最適化を実行することができる。次いで、アルゴリズムの数学的回路又は等価な回路のモデルが第２の背景スペクトル

を使用してフィルタ係数値の最適化を実行することにより、最適化されたフィルタ係数が取得される。

プロセス８００は、続いて、最適化されたフィルタ係数を使用してピクセルデータベクトルｘ_ｉの最終ＣＥＭ値を計算することができる（タスク８１８）。このようにして、フィルタ係数の新規セットを使用してピクセルの最終的なＣＥＭ値（ピクセルデータベクトルｘ_ｉ）が計算される。

図９〜１１は、本発明の種々の実施形態による標的検出プロセスのシミュレーション結果を示している。

図９は、本発明の一実施形態による放射輝度

（背景スペクトル）の決定の一実施例を示すグラフである。図９は、等式（１）を用いて計算された、ｐ個のピクセルのスペクトルの平均を示している。

図１０は、本発明の一実施形態によるフィルタ係数の決定の一実施例を示すグラフである。図１０は、計算されたＣＥＭフィルタ係数の振幅ｗ（ＣＥＭフィルタ係数ｗ）を示している。の計算されたＣＥＭフィルタ係数の振幅ｗは、ｘ_ｉ、

、及びｔに基づいて、制約付きリニアプログラミング最適化問題を解くこと、及び

を決定することによって計算される。

図１１は、本発明の一実施形態による、標的スペクトルｔに対するｐ＝９個のピクセルの一致度の一実施例を示すグラフである。図１１は、各ピクセル中における標的材料の相対存在量の推定値を示している。存在量の計算値ｙ_ｉは８２ｄＢ ＳＮＲと同じであった。

標的検出のための修正済みＣＥＭアルゴリズムを、ハイパースペクトルデジタル式イメージ収集実験（ＨＹＤＩＣＥ）プラットフォーム（Su May Hsu等、"Multisensor Function with Hyper-spectral Imaging Data: Detection and Classification," Lincoln Laboratory Journal, vol. 14, no. 1, 2003参照）を使用して収集した実際のハイパースペクトルイメージデータｘ_ｉ及び標的スペクトルｔについて試験した。

図１２は、本発明の一実施形態により修正済みＣＥＭアルゴリズムに使用され様々な数のピクセルについて、標的材料の標的ピクセル中における、実例Ｔ１、Ｔ２、及びＴ３の場合の標的材料の相対存在量の例示的推定値ｙ_ｉを、代表的なハイパースペクトルデジタル式イメージ収集実験（ＨＹＤＩＣＥ）データキューブ（従来のアルゴリズム）と対比させて示す複数のグラフ１２００である。ハイパースペクトルイメージデータの横列を９６０列有するデータキューブが使用され、このデータキューブでは、各横列が約３００個のピクセルを含んでおり、各ピクセルが１６５のスペクトルバンドの反射率情報を含んでいた。修正済みＣＥＭアルゴリズムを、２０、３０、５０、及び１５０個のピクセルに対して動作させた。図１２に示すように、修正済みＣＥＭアルゴリズム１２０２は、２０個という少数のピクセルに使用した場合も、全ての実例の標的材料を確実に検出し、更には、許容可能な精度でピクセルの材料存在量の値を推定することができる。対照的に、従来のアルゴリズム１２０４（二次プログラミング最適化に基づく）は、ｐ個のピクセルに含まれる標的材料を確実に検出し、対応する材料存在量の値ｙ_ｉを正確に推定するために、データキューブ３００のようなデータキューブ全体に動作させることができる。試験結果は、修正済みＣＥＭアルゴリズムが、２０個という少数のピクセルに使用した場合も、標的材料の実例Ｔ１、Ｔ２、及びＴ３を確実に検出することだけでなく、ピクセル中の標的材料の相対存在量の値ｙ_ｉを許容可能な精度で推定することができることも示すものである。

図１３は、本発明の一実施形態による、３００個のピクセルの標的検出性能の一実施例を示すグラフ１３００である。標的検出に関する修正済みＣＥＭアルゴリズムの性能を定量化するために、修正済みＣＥＭアルゴリズムを、実際のハイパースペクトルイメージデータと、ハイパースペクトルデジタル式イメージ収集実験（ＨＹＤＩＣＥ）を用いて収集した標的スペクトルとについて試験した。所与のハイパースペクトルイメージデータ中に存在する特定の標的材料に関する試験結果を図１３に示す。イメージ１３０２は、標的検出性能に関する修正済みＣＥＭアルゴリズムの試験結果バー１３０６、１３０８、及び１３１０を示す。これらのバー１３０６、１３０８、及び１３１０は、それぞれ、３００個のピクセルを使用した場合の、特定の標的材料の３×３、２×２、及び１×１の実例に対応している。イメージ１３０４は、特定の標的材料の、それぞれ３×３、２×２、及び１×１の実例に対応する、グラウンドトルース参照標的検出性能バー１３１２、１３１４、１３１６を示している。イメージ１３０２に示される修正済みＣＥＭアルゴリズムの試験結果は、イメージ１３０４に示されるグラウンドトルース参照とほぼ同様である。

図１４は、本発明の一実施形態による修正済みＣＥＭアルゴリズムを用いた３０個のピクセルに関する標的検出性能の一実施例を示すグラフ１４００である。本実施形態の修正済みＣＥＭアルゴリズムの性能限界を試験するために、修正済みＣＥＭアルゴリズムを、３０個のピクセルからなる少数のピクセルグループについて試験した。イメージ１４０２は、標的検出性能に関する修正済みＣＥＭアルゴリズムの試験結果バー１４０６、１４０８、及び１４１０を示す。これらのバー１４０６、１４０８、及び１４１０は、それぞれ、３０個のピクセルを使用した場合の、特定の標的材料の３×３、２×２、及び１×１の実例に対応している。イメージ１４０４は、特定の標的材料の、それぞれ３×３、２×２、及び１×１の実例に対応する、グラウンドトルース参照標的検出性能バー１４１２、１４１４、１４１６を示している。イメージ１４０２に示される修正済みＣＥＭアルゴリズムの試験結果は、修正済みＣＥＭアルゴリズムに３０個のピクセルを使用したときも、許容可能な精度を示す。

図１５は、本発明の一実施形態による、背景除去を行わない修正済みＣＥＭアルゴリズムを用いたフィルタ係数の収束の一実施例を示すグラフ１５００である。図１５に示すように、フィルタ係数ｗはゆっくりと収束する。

図１６は、本発明の一実施形態による、背景除去を行わない修正済みＣＥＭアルゴリズムを用いてＣＥＭ値を推定する一実施例と、グラウンドトルース参照との比較を示すグラフ１６００である。図１６に示すように、修正済みＣＥＭアルゴリズムによって推定されたＣＥＭ値１６０４は、背景における混入によりグラウンドトルース参照１６０２とは有意に異なっている。

図１７は、本発明の一実施形態による、背景除去を行う修正済みＣＥＭアルゴリズムを用いたフィルタ係数の収束の一実施例を示すグラフ１７００である。図１７に示すように、フィルタ係数ｗは、比較的迅速に且つ効率的に収束する。

図１８は、本発明の一実施形態による、背景除去を行う修正済みＣＥＭアルゴリズムを用いてＣＥＭ値を推定する一実施例を示すグラフ１８００である。図１８に示すように、修正済みＣＥＭアルゴリズムによって推定されたＣＥＭ値１８０４は、背景スペクトル推定値

及びＣＥＭフィルタ係数ｗの統計値を演算するときに標的材料中のピクセルに類似するピクセルが除去されることにより、グラウンドトルース参照１８０２とほぼ同じである。

このようにして、時間連続的且つ振幅分散的な、アナログ及びデジタル式信号処理回路及び方法を使用して、簡単で高解像度を有するが、低電力で実行できる、実時間又は準実時間ハイパースペクトルイメージング及び標的検出技術のためのアルゴリズムが提供される。

後述のような追加的な実施形態も特許請求される。

Ａ２３．ハイパースペクトルイメージデータに基づく標的検出方法であって、各々が標的材料の標的スペクトルと、背景材料の背景スペクトルとを含む複数のピクセルを特定すること；それらピクセルのスペクトルの平均を計算することにより、第１の背景スペクトルを取得すること；ハイパースペクトルイメージデータ、標的スペクトル、及び第１の背景スペクトルに基づき制約付きエネルギー最小化（ＣＥＭ）最適化を実行することにより、第１のフィルタ係数を取得すること；並びに第１のフィルタ係数を使用してピクセルのＣＥＭ値を推定することを含む方法。

Ａ２４．第１の背景スペクトルを、以下の関係式：

（式中、ｐは除外されないピクセルの総数であり、ｘ_ｉはｉ番目の非除外ピクセルのスペクトルを含むベクトルであり、

は非除外ピクセルのスペクトルの平均を含むベクトルである）に基づいて計算する、請求項Ａ２３に記載の方法。

Ａ２５．更に、ＣＥＭ値を用いて標的材料を含むピクセルを特定することにより標的ピクセルを取得することを含む、請求項Ａ２３に記載の方法。

Ａ２６．更に、ピクセルから標的ピクセルを除去することにより非標的ピクセルを取得すること；非標的ピクセルのスペクトルの平均を計算することにより第２の背景スペクトルを取得すること；ハイパースペクトルイメージデータ、標的スペクトル、及び第２の背景スペクトルに基づきＣＥＭ最適化を実行することにより、第２のフィルタ係数を取得すること；並びに第２のフィルタ係数を用いてピクセルのＣＥＭ値を計算することを含む、請求項Ａ２５に記載の方法。

Ａ２７．第２の背景スペクトルを、以下の関係式：

（式中、ｐは除外されないピクセルの総数であり、ｘ_ｉはｉ番目の非除外ピクセルのスペクトルを含むベクトルであり、

は非除外ピクセルのスペクトルの平均を含むベクトルである）に基づいて計算する、請求項Ａ２６に記載の方法。

Ａ２８．更に、リモートセンシング、衝突回避、画像解析、及び身体の走査のうちの一つのために、標的を検出することを含む、請求項Ａ２３に記載の方法。

Ａ２９．ＣＥＭ最適化が、以下の関係式：

（式中、ｐはピクセルの総数であり、ｘ_ｉはｉ番目のピクセルのスペクトルを含むベクトルであり、

は非除外ピクセルのスペクトルの平均を含むベクトルであり、ｗはＣＥＭフィルタ係数ベクトルであり、ｔは標的材料のスペクトルを含むベクトルである）に基づいている、請求項Ａ２３に記載の方法。

Ａ３０．少なくとも一つのｘ_ｉについて、 は０未満であることが許容される、請求項Ａ２３に記載の方法。

Ａ３１．ハイパースペクトル標的検出のための回路であって、ハイパースペクトルイメージデータから標的ピクセルを選択するように動作可能な制御手段：ハイパースペクトルイメージデータと標的スペクトルを比較するように動作可能なフィルタ手段；並びにハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトル推定値に基づいて、フィルタ係数を計算するように動作可能な制約付きリニアプログラミング最適化手段を備える回路。

Ａ３２．準実時間ハイパースペクトルイメージデータを受信することを更に含む、Ａ３１に記載の回路。

Ａ３３．制約付きリニアプログラミング最適化手段が、更に、ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づき、制約付きリニアプログラミング最適化を用いて、第１のフィルタ係数を決定するように動作可能であり；フィルタ手段が、更に、ハイパースペクトルイメージデータに対して第１のフィルタ係数を適用することにより第１のフィルタ済みピクセルを取得するように動作可能であり；且つ制御手段が、更に、第１のフィルタ済みピクセルの中から第１の標的ピクセルを特定するように動作可能である、請求項Ａ３１に記載の回路。

制御手段が、更に、第１の標的ピクセルに基づいて標的を特定するように動作可能である、請求項Ａ３３に記載の回路。

Ａ３５．一又は複数の第１のフィルタ済みピクセルのＣＥＭ値がＣＥＭ閾値より大きい場合、一又は複数の第１のフィルタ済みピクセルが一又は複数の第１の標的ピクセルとして特定される、請求項Ａ３３に記載の回路。

Ａ３６．第１のフィルタ係数を用いてＣＥＭ値が推定される、請求項Ａ３５に記載の回路。

Ａ３７．回路が、リモートセンシング、衝突回避、画像解析、及び身体の走査のうちの一つために動作可能である、請求項Ａ３１に記載の回路。

Ａ３８．制約付きリニアプログラミング最適化手段が、更に、ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づき、制約付きリニアプログラミング最適化を用いて、第２のフィルタ係数を決定するように動作可能であり、この場合背景スペクトルの推定値が、ハイパースペクトルイメージデータから第１の標的ピクセルを除外することにより計算されており；フィルタ手段が、更に、第２のフィルタ係数を含むフィルタをハイパースペクトルイメージデータに適用することにより第２のフィルタ済みピクセルを取得するように動作可能であり；且つ制御手段が、更に、第２のフィルタ済みピクセルの中から第２の標的ピクセルを特定するように動作可能である、請求項Ａ３１に記載の回路。

Ａ３９．制御手段が、更に、第２の標的ピクセルに基づいて標的を特定するように動作可能である、請求項Ａ３８に記載の回路。

Ａ４０．一又は複数の第２のフィルタ済みピクセルのＣＥＭ値がＣＥＭ閾値より大きい場合、一又は複数の第２のフィルタ済みピクセルが、一又は複数の第２の標的ピクセルとして特定される、請求項Ａ３８に記載の回路。

Ａ４１．第１のフィルタ係数を用いてＣＥＭ値が推定される、請求項Ａ３８に記載の回路。

Ａ４２．制御手段が、更に、以下の関係式：

（式中、ｐは除外されないピクセルの総数であり、ｘ_ｉはｉ番目の非除外ピクセルのスペクトルを含むベクトルであり、

は非除外ピクセルのスペクトルの平均を含むベクトルである）に基づいて背景スペクトル推定値を計算するように動作可能である、請求項Ａ３１に記載の回路。

Ａ４３．リニアプログラミング最適化が、以下の関係式：

（式中、ｐはピクセルの総数であり、ｘ_ｉはｉ番目のピクセルのスペクトルを含むベクトルであり、

は非除外ピクセルのスペクトルの平均を含むベクトルであり、ｗはＣＥＭフィルタ係数ベクトルであり、ｔは標的材料のスペクトルを含むベクトルである）に基づいている、請求項Ａ３１に記載の回路。

Ａ４４． が、少なくとも一つのｘ_ｉについて０未満であることが許容される、請求項Ａ４３に記載の回路。

Ａ４５．リニアプログラミング最適化手段が、更に、実時間で計算を実行するように動作可能である、請求項Ａ３１に記載の回路。

上述の説明では、少なくとも一の例示的実施形態が提示されているが、多数の変形例が存在することを理解されたい。本明細書に記載された一又は複数の例示的実施形態は、本発明の主題の範囲、応用可能性、又は構成をいかなる意味でも限定するものではないことも理解されたい。そうではなく、上述の詳細な説明は、当業者に対し、記載された一又は複数の実施形態を実施するための便利なロードマップとなるものである。請求の範囲によって規定される範囲から逸脱することなく、要素の機能及び構成に様々な変更を加えることができ、それには、本特許出願が出願された時点で既知である等価物、及び予見可能な等価物が含まれる。

上述の説明では、互いに「接続された」又は「連結された」要素、ノード、又は特徴に言及した。本明細書で使用される限りにおいては、別途断らない限り、「接続された」という表現は、一の要素／ノード／特徴が別の要素／ノード／特徴に対し、直接的に、必ずしも機械的にではなく、接続（又は直接的に連絡）していることを意味している。同様に、特に断らない限り、「連結された」という表現は、一の要素／ノード／特徴が別の要素／ノード／特徴に対し、直接的に又は間接的に、必ずしも機械的にではなく、接合（或いは直接的又は間接的に連絡）していることを意味している。したがって、図１〜２及び７は要素の例示的な構成を示しているのであるが、本発明の一実施形態には、追加的な仲介要素、デバイス、特徴又は構成部品が存在してもよい。

特に断らない限り、本明細書で使用される語句とそれらの変形は、限定的なものではなく、広義に解釈されるべきである。その例として：「含む」という語は、「限定することなく含む」などを意味するために使用され；「例」という語は、議題となるアイテムの、完全なリスト又は限定的なリストではなく実例を提供するために使用され；「従来の」、「伝統的な」、「通常の」、「標準の」、「既知の」といった形容詞及び同義の表現は、所与の期間に関して記載されたアイテム、又は所与の時点で入手可能であったアイテムに限定しているのではなく、現在又は将来のいつかに、入手可能であるか、既知である、従来の、伝統的な、通常の、又は標準の技術を包含すると解釈されるべきである。同様に、複数のアイテムを連結する接続詞「及び」、「且つ」（又は同様の表現）は、連結されるアイテムの全てが必ずしも存在しなければならないという意味ではなく、特に断らない限り、むしろ「及び（且つ）／又は」という意味である。同様に、複数のアイテムを連結する接続詞「又は」は、それらアイテムが必ずしも互いに排他的であることを意味せず、特に断らない限り、むしろ「及び（且つ）／又は」という意味である。更に、本発明のアイテム、要素、又は構成部品が単数形で記載されていたとしても、単数形に限定されることが明記されていない限り、複数形もその範囲内に含まれると考慮される。幾つかの場合の「一又は複数の」、「少なくとも一つの」、「限定しないが」、又はその他の同様の表現のような範囲を広げる表現は、そのような範囲を広げる表現が無い場合にもっと限定されたケースが意図される又は必要とされることを意味するものではない。
また、本願は以下に記載する態様を含む。
（態様１）
標的材料の標的スペクトルと背景材料の背景スペクトルとを含む複数のピクセルからなるハイパースペクトルイメージデータに基づく標的検出方法であって、
ハイパースペクトルイメージデータ、標的スペクトル、及び推定される背景スペクトルに基づいて制約付きリニアプログラミング最適化を実行する回路手段を用いて第１のフィルタ係数を決定すること、
第１のフィルタ係数を含むフィルタをハイパースペクトルイメージデータに適用することにより第１のフィルタ済みピクセルを取得すること、並びに
第１のフィルタ済みピクセルの中から第１の標的ピクセルを特定すること
を含む方法。
（態様２）
第１の標的ピクセルに基づいて標的を特定することを更に含む、態様１に記載の方法。
（態様３）
以下の関係式：
（式中、ｐは除外されていないピクセルの総数であり、ｘ _ｉ はｉ番目の非除外

ピクセルのスペクトルを含むベクトルであり、

は非除外ピクセルのスペクトルの平均を含むベクトルである）に基づいて、背景スペクトル推定値を推定することを更に含む、態様１に記載の方法。
（態様４）
一又は複数の第１のフィルタ済みピクセルの制約付きエネルギー最小化（ＣＥＭ）値がＣＥＭ閾値より大きい場合に、当該一又は複数の第１のフィルタ済みピクセルを、一又は複数の第１の標的ピクセルとして特定することを更に含む、態様１に記載の方法。
（態様５）
回路手段が、実時間で制約付きリニアプログラミング最適化を実行するように動作可能である、態様１に記載の方法。
（態様６）
回路手段が、修正済みＣＥＭアルゴリズムを含む、態様１に記載の方法。
（態様７）
修正済みＣＥＭアルゴリズムが、以下の関係式：

（式中、ｐはピクセルの総数であり、ｘ _ｉ はｉ番目のピクセルのスペクトルを含むベクトルであり、

は非除外ピクセルのスペクトルの平均を含むベクトルであり、ｗはＣＥＭフィルタ係数ベクトルであり、Ｔはベクトルの転置を表し、ｔは標的スペクトルを含むベクトルである）に基づいている、態様６に記載の方法。
（態様８）
ｗ ^Ｔ ＊Ｘ _ｉ が、少なくとも一つのｘ _ｉ について０未満であることが許容される、態様７に記載の方法。
（態様９）
ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づき制約付きリニアプログラミング最適化を実行する回路手段を用いて第２のフィルタ係数を決定することであって、背景スペクトルの推定値が、第１の標的ピクセルを除外したハイパースペクトルイメージデータに基づいて計算されていること、
第２のフィルタ係数を含む第２のフィルタを、ハイパースペクトルイメージデータに適用することにより、第２のフィルタ済みピクセルを取得すること、並びに
第２のフィルタ済みピクセルの中から第２の標的ピクセルを特定すること
を更に含む、態様１に記載の方法。
（態様１０）
ＣＥＭ値に基づいて第１の標的ピクセルを除外することを更に含む、態様９に記載の方法。
（態様１１）
第２の標的ピクセルに基づいて標的を特定することを更に含む、態様９に記載の方法。
（態様１２）
リモートセンシング、衝突回避、画像解析、及び身体の走査からなる群のうちの一つのために標的検出を使用することを更に含む、態様１に記載の方法。
（態様１３）
複数のピクセルを含むハイパースペクトルイメージデータに基づく標的検出システムであって、
制約付きリニアプログラミング最適化を行って、制約付きエネルギー最小化を実行するように動作可能なプロセッサであって、
ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段を使用して第１のフィルタ係数を決定し、
第１のフィルタ係数を含むフィルタをピクセルに適用することにより第１のフィルタ済みピクセルを取得し、且つ
第１のフィルタ済みピクセルの中から第１の標的ピクセルを特定する
ように動作可能である
プロセッサを備えているシステム。
（態様１４）
プロセッサが、非同期式パルスプロセッサ、マイクロプロセッサ、デジタル式シグナルプロセッサ、アナログ式シグナルプロセッサ、及びアナログ／デジタル混合式プロセッサからなる群のうちの一つから構成されている、態様１３に記載のハイパースペクトルイメージデータに基づく標的検出システム。
（態様１５）
プロセッサを介した処理のためにほぼ実時間でハイパースペクトルイメージデータを感知するように動作可能な複数のセンサを更に含む、態様１３に記載のハイパースペクトルイメージデータに基づく標的検出システム。
（態様１６）
一又は複数の第１のフィルタ済みピクセルのＣＥＭ値がＣＥＭ閾値より大きい場合に、当該一又は複数の第１のフィルタ済みピクセルが第１の標的ピクセルとして特定される、態様１３に記載のハイパースペクトルイメージデータに基づく標的検出システム。
（態様１７）
第１のフィルタ係数を用いてＣＥＭ値が推定される、態様１６に記載のハイパースペクトルイメージデータに基づく標的検出システム。
（態様１８）
回路手段が、制約付きリニアプログラミング最適化を実時間で実行するように動作可能である、態様１３に記載のハイパースペクトルイメージデータに基づく標的検出システム。
（態様１９）
プロセッサが、更に、第１の標的ピクセルに基づいて標的を特定するように動作可能である、態様１３に記載のハイパースペクトルイメージデータに基づく標的検出システム。
（態様２０）
プロセッサが、更に、
ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段であって、背景スペクトルの推定値が第１の標的ピクセルを除外したハイパースペクトルイメージデータに基づいて計算されている回路手段を使用して、第２のフィルタ係数を決定し、
第２のフィルタ係数を含む第２のフィルタをピクセルに適用することにより第２のフィルタ済みピクセルを取得し、且つ
第２のフィルタ済みピクセルに基づいて第２の標的ピクセルを特定する
ように動作可能である、態様１３に記載のハイパースペクトルイメージデータに基づく標的検出システム。
（態様２１）
プロセッサが、更に、第２の標的ピクセルに基づいて標的を特定するように動作可能である、態様２０に記載のハイパースペクトルイメージデータに基づく標的検出システム。
（態様２２）
リモートセンシング、衝突回避、画像解析、及び身体の走査からなる群のうちの一つのために動作可能である、態様１３に記載のハイパースペクトルイメージデータに基づく標的検出システム。

Claims (9)

1. 標的材料の標的スペクトルと背景材料の背景スペクトルとを含む複数のピクセルからなるハイパースペクトルイメージデータに基づく標的検出方法であって、
   ハイパースペクトルイメージデータ、標的スペクトル、及び推定される背景スペクトルに基づいて制約付きリニアプログラミング最適化を実行する回路手段を用いて第１のフィルタ係数を決定すること、
   該第１のフィルタ係数を含むフィルタを該ハイパースペクトルイメージデータに適用することにより第１のフィルタ済みピクセルを取得すること、及び
   該第１のフィルタ済みピクセルの中から第１の標的ピクセルを特定することを含み、該方法はさらに
   ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づき制約付きリニアプログラミング最適化を実行する回路手段を用いて第２のフィルタ係数を決定することであって、該背景スペクトルの推定値を、前記第１の標的ピクセルを除外したハイパースペクトルイメージデータに基づいて計算すること、
   第２のフィルタ係数を含む第２のフィルタを、ハイパースペクトルイメージデータに適用することにより、第２のフィルタ済みピクセルを取得すること、
   第２のフィルタ済みピクセルの中から第２の標的ピクセルを特定すること、及び
   該第２の標的ピクセルに基づいて標的を特定することを含み、
   
   該背景スペクトルの推定値を、前記第１の標的ピクセルを除外した該ハイパースペクトルイメージデータに基づいて計算することは、
   以下の関係式：
   

   

   
   
   （式中、ｐは第１の標的ピクセルを除外したあとの除外されていないピクセルの総数であり、ｘ_ｉはｉ番目の非除外ピクセルのスペクトルを含むベクトルであり、
   

   

   
   は非除外ピクセルのスペクトルの平均を含むベクトルである）に基づいて、前記背景スペクトルの推定値を推定することを含む、方法。
2. 該第１の標的ピクセルを特定することは、該第１のフィルタ済みピクセルの制約付きエネルギー最小化（ＣＥＭ）値がＣＥＭ閾値より大きい場合に、該第１のフィルタ済みピクセルを該第１の標的ピクセルとして特定することを含む、請求項１に記載の方法。
3. 回路手段が、修正済みＣＥＭアルゴリズムを実行し、該修正済みＣＥＭアルゴリズムが、以下の関係式：
   

   

   
   （式中、ｐは該第1の標的ピクセルを除外したあとの除外されていないピクセルの総数であり、ｘ_ｉはｉ番目のピクセルのスペクトルを含むベクトルであり、
   

   

   
   は非除外ピクセルのスペクトルの平均を含むベクトルであり、ｗはＣＥＭフィルタ係数ベクトルであり、Ｔはベクトルの転置を表し、ｔは標的スペクトルを含むベクトルである）に基づいている、請求項１に記載の方法。
4. リモートセンシング、衝突回避、画像解析、及び身体の走査からなる群のうちの一つのために標的検出を使用することを更に含む、請求項１に記載の方法。
5. 複数のピクセルを含むハイパースペクトルイメージデータに基づく標的検出システムであって、
   制約付きリニアプログラミング最適化を行って、制約付きエネルギー最小化を実行するように動作可能なプロセッサであって、
   ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段を使用して第１のフィルタ係数を決定し、
   該第１のフィルタ係数を含むフィルタをピクセルに適用することにより第１のフィルタ済みピクセルを取得し、
   該第１のフィルタ済みピクセルの中から第１の標的ピクセルを特定するように動作可能なプロセッサを有し、
   該プロセッサが、更に、
   ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段であって、該背景スペクトルの推定値を前記第１の標的ピクセルを除外したハイパースペクトルイメージデータに基づいて計算する回路手段を使用して、第２のフィルタ係数を決定し、
   第２のフィルタ係数を含む第２のフィルタをピクセルに適用することにより第２のフィルタ済みピクセルを取得し、且つ
   第２のフィルタ済みピクセルに基づいて第２の標的ピクセルを特定し、該第２の標的ピクセルに基づいて標的を特定するように動作可能であり、
   該背景スペクトルの推定値を、前記第１の標的ピクセルを除外した該ハイパースペクトルイメージデータに基づいて計算することは、
   以下の関係式：
   

   

   
   
   （式中、ｐは第１の標的ピクセルを除外したあとの除外されていないピクセルの総数であり、ｘ_ｉはｉ番目の非除外ピクセルのスペクトルを含むベクトルであり、
   

   

   
   は非除外ピクセルのスペクトルの平均を含むベクトルである）に基づいて、前記背景スペクトル推定値を推定することを含む、システム。
6. プロセッサを介した処理のためにほぼ実時間でハイパースペクトルイメージデータを感知するように動作可能な複数のセンサを更に含む、請求項５に記載のハイパースペクトルイメージデータに基づく標的検出システム。
7. 一又は複数の第１のフィルタ済みピクセルのＣＥＭ値がＣＥＭ閾値より大きい場合に、当該一又は複数の第１のフィルタ済みピクセルが第１の標的ピクセルとして特定される、請求項５に記載のハイパースペクトルイメージデータに基づく標的検出システム。
8. 第１のフィルタ係数を用いてＣＥＭ値が推定される、請求項７に記載のハイパースペクトルイメージデータに基づく標的検出システム。
9. リモートセンシング、衝突回避、画像解析、及び身体の走査からなる群のうちの一つのために動作可能である、請求項５に記載のハイパースペクトルイメージデータに基づく標的検出システム。

Images