גילוי אנומליות בתמונות היפרספקטרליות מבוסס על אלגוריתם יער בידוד משופר

לראות את הבלתי נראה בתמונות לוויין

לוויינים מודרניים לא רק מצלמים תמונות יפות של כדור הארץ; הם קולטים מאות גוונים של אור שהעין האנושית אינה מסוגלת לראות. בחגורת הצבעים הזו מסתתרים סימני אזהרה מוקדמים לקריסות מכרה, לזיהומי נפט או להסוואה צבאית. המאמר שמסוכם כאן מציג דרך חדשה לאיתור אוטומטי של דפוסים קטנים וחריגים בתמונות היפרספקטרליות — מה שמקל על מציאת שינויים קטנים ומסוכנים על הקרקע ללא צורך בצוות גדול של אנליסטים אנושיים.

מדוע צבעים נוספים מזהים מטרות נסתרות

תמונות לוויין רגילות מאחסנות שלושה צבעים בסיסיים: אדום, ירוק וכחול. לעומת זאת, תמונות היפרספקטרליות מקליטות עשרות או אפילו מאות של פסי צבע צרים. כל פיקסל נושא "טביעת אורה" מפורטת שמשקפת ממה הוא מורכב — אדמה, סלע, צמחייה, מתכת, מים או מזהמים. האתגר הוא שמערכי הנתונים הללו עצומים, רעשניים, ומלאים במידע מיותר שמקורו באטמוספירה, בחיישנים ובשטח מורכב. גילוי אנומליות בהקשר הזה פירושו לזהות כמה פיקסלים שבולטים בחדות מסביבתם, מבלי לדעת מראש מה הם מייצגים. פיקסלים נדירים אלה עשויים לאותת על שקיעת קרקע במכרות, ענני זיהום או ציוד מוסווה; לכן גילויים אמינים ומהירים שלהם חשובים לניטור סביבתי וביטחון.

מעצים פשוטים ליערות חכמים יותר

המחקר מבוסס על אלגוריתם יער בידוד, שיטה של למידת מכונה שנועדה לזהות חריגים. ביער בידוד בסיסי הנתונים מחולקים שוב ושוב באופן אקראי, ליצירת אוסף עצי החלטה. נקודות יוצאות דופן נוטות להיות מבודדות במספר מועט של חלוקות, בעוד שפיקסלים רגילים דורשים הרבה חלוקות. הרעיון הזה עובד היטב בנתונים בגודל מתון, אך סצנות היפרספקטרליות כוללות מאות פסי צבע, רעש משמעותי ואנומליות עדינות מאוד. בחירה אקראית של תכונות עלולה לבזבז חישוב על פסי צבע מיותרים, לטשטש את הניגוד בין מטרות לרקע ולהגביר אזעקות שווא. לכן המחברים מעצבים מחדש את היער כך שיראה נתונים נקיים יותר ויעריך פיקסלים לא רק באופן גלובלי על פני כל התמונה, אלא גם באופן מקומי בתוך השכונות שלהם.

חידוד התמונה עם ראייה ברב-קנה מידה

כדי לנקות ולדחוס את הנתונים לפני הזיהוי, השיטה מוחלת תחילה פירוק למרכיב נמוך-דרגה ולמרכיב ספא די הידוע בשם Godec. בפשטות, זה מפצל את התמונה לשכבת רקע חלקה ושכבה דלילה הכוללת אותות חדים וחריגים. בנוסף לכך, המחברים מנצלים את העובדה שמטרות מעניינות בולטות לא רק ספקטרלית, אלא גם באופן שבו הן מסודרות במרחב. הם משתמשים במסנני גיבור תלת-ממדיים, הפועלים כעדשות הרגישות למרקם החולפות דרך קוביית ההיפרספקטרל כדי להדגיש דפוסים בגדלים וכיוונים שונים. אלגוריתם סופרפיקסל מבוסס קצב אנטרופיה מקבץ אזוריים שכנים לפלחים קטנים וקוהרנטיים. על־ידי כוונון רמת הפירוט של הפלחיקים הללו, השיטה מסוגלת לדכא רעש אקראי תוך שמירה על מבנים אמיתיים כגון בורות, סדקים או עצמים בתעשייה אנושית.

שילוב רמזים גלובליים ומקומיים

לאחר חילוץ התכונות הספקטרליות והמרחביות המנוקות, יער בידוד משופר מקצה לכל פיקסל ציון אנומליה. במקום להסתמך רק על מהירות הבידוד של פיקסל במכלול הנתונים, השיטה גם בוחנת עד כמה הוא עקבי עם סביבתו המיידית. פיקסלים שנראים נורמליים באופן גלובלי אך חריגים בשכונה הקרובה שלהם, או להפך, מוערכים מחדש באמצעות כלל ציון משולב. מבט דו-רמה זה מצמצם גם החמצות של גילויים וגם חריגים כוזבים הנגרמים מרקעים מורכבים. בדיקות על שני מאגרי נתונים היפרספקטרליים נפוצים, San Diego ו‑HYDICE, מראות שהשיטה החדשה משיגה דיוק גבוה (AUC בסביבות 0.97 ו‑F1 קרוב ל‑0.94) תוך שמירה על אזעקות שווא נמוכות מאוד ושימוש בזיכרון ומהירות עיבוד סבירים.

מנסויים במעבדה לניטור בעולם האמיתי

המחברים בדקו עוד את השיטה שלהם על משימות ממשיות של שקיעת קרקע במכרות וניטור אקולוגי באמצעות נתוני לוויין ומטוסים. באזורים חיצוניים של מכרות, המערכת מסמנת נכון יותר מ‑95% מהאנומליות הקשורות לקריסות בעוד שהיא מפספסת רק כ‑4% בלבד. בניטור סביבתי, היא מזהה כמעט 94% מאזורי החשד כגון צמחייה מופרעת או הסוואה אפשרית, שוב עם אחוזים מועטים של החמצות. בהשוואה לכמה טכניקות מבוססות, היער המשופר הוכיח עצמו רגיש ויציב יותר בתרחישים שונים. עבור קוראים שאינם מומחים, המסקנה היא שבראייה זהירה של ניקוי הנתונים, בחינת דפוסים בקנה מידה מרובים ושילוב שיפוטים גלובליים ומקומיים, ניתן להפוך תמונות היפרספקטרליות לכלי אוטומטי רב-עוצמה של "אזהרה מוקדמת" לשינויים חשובים על הקרקע.

ציטוט: Li, A. Anomaly detection of hyperspectral images based on improved isolation forest algorithm. Sci Rep 16, 6171 (2026). https://doi.org/10.1038/s41598-026-36548-5

מילות מפתח: הדמיה היפרספקטרלית, גילוי אנומליות, חישה מרחוק, יער בידוד, ניטור סביבתי