One of the main applications of hyperspectral image analysis is anomaly detection where the problem of interest is the detection of small rare objects that stand out from their surroundings. A common approach to anomaly detection is to first model the background scene and then to use a detector that quantifies the difference of a particular pixel from this background. However, identifying the dominant background components and modeling them is a challenging task. We propose an anomaly detection framework that uses Gaussian mixture models for characterizing the scene background in hyperspectral images. First, the full spectrum is divided into several contiguous band groups for dimensionality reduction as well as for exploiting the peculiarities of different parts of the spectrum. Then, sparse spectral unmixing is performed for each band group for identifying significant endmembers in the scene. Three methods for identifying the dominant background groups such as thresholding, hierarchical clustering and biclustering are used in the endmember abundance space to retrieve the sets of pixel groups that represent dominant background components. Next, these pixel groups are used for initializing individual Gaussian mixture models that are estimated separately for each spectral band group. The proposed method enables automatic identification of the number of mixture components and effective initialization of the estimation procedure for the mixture model. Finally, the Gaussian mixture models for all groups are statistically fused for obtaining the final anomaly map for the scene. Comparative experiments showed that the proposed methods performed better than two other density-based anomaly detectors, especially for small false positive rates, on an airborne hyperspectral data set. Anomali tespiti, hiperspektral görüntü analizindeki ana uygulamalardan biridir. Anomali tespitindeki problem, görüntüde seyrek olarak bulunan,çevresine göre farklılık gösteren küçük nesnelerin tespitidir. Yaygın yaklaşımlardan biri görüntü arka planının modellenmesi ve sınanan pikselin bu modele olan farklılıgına göre sınıflandırılmasıdır. Ancak, karmaşık arka planların modellenmesi kolay degildir. Bu kapsamda, Gauss karışım modeli tabanlı bir anomali tespiti yöntemï onerilmektedir.Öncelikle görüntü belirli sayıda spektral gruplara ayrılmaktadır. Ardından seyrek spektral ayrıştırma bütün spektral grouplarda uygulanmaktadır. Sonrasında, elde edilen son eleman bolluk degerleri kullanılarak, eşikleme tabanlı, sıra düzenli tabanlı, veçift yönlüöbekleme tabanlı olmaküzereüç farklı yöntem ile baskın arka plan grupları tespit edilmektedir. Ardından, belirlenen arka plan gruplarını temsil eden pikseller başlangıç degerlerinin hesaplanmasında kullanılmaküzere, her bir spektral grup için bir Gauss karışım modelï ogrenilmektedir.Önerilen yöntem karışım modeli için bileşen sayısının otomatik belirlenmesine ve kestirim sürecinin etkili başlatılmasına olanak saglamaktadir. Son olarak,ögrenilen Gauss karışım modelleri istatistiksel olarak birleştirilerek sonu...

Özetçe -Hiperspektral hedef tespiti için yürütülen çalışmalar genel olarak iki sınıfta degerlendirilebilir.İlk sınıf olan anomali tespit yöntemlerinde, hedefin görüntünün geri kalanından farklı oldugu bilgisi kullanılarak görüntü analiz edilmektedir. Diger sınıfta ise daha önceden bilgisi edinilmiş hedefe ait spektral imza ile görüntüdeki herbir piksel arasındaki benzerlik bulunarak hedefin konumu tespit edimektedir. Her iki sınıf yöntemin de önemli bir dezavantajı hiperspektral görüntü piksellerini bagımsız olarak degerlendirip, aralarındaki komşuluk ilişkilerini göz ardı etmesidir. Bu makalede anomali tespit ve imza tabanlı tespit yaklaşımlarını, pikseller arası komşuluk ilişkilerini de göz önünde bulundurarak birleştiren çizge yaklaşımına dayalı yeni bir yöntem önerilmiştir. Hedeflerin hem imza bilgisine sahip olundugu hem de anomali sayılabilecek ölçülerde oldugu varsayılarak önerilen çizge yaklaşımında önplan için imza bilgisi kullanan özgün bir türev tabanlı uyumlu filtre önerilmiştir. Arkaplan için ise seyreklik bilgisi kullanarak Gauss karışım bileşeni kestirimi yapan yeni bir anomali tespit yöntemi geliştirilmiştir. Son olarak komşular arası benzerligi tanımlamak için ise spektral bir benzerlik ölçütü olan spektral açı eşleştiricisi kullanılmıştır. Önerilen çizge tabanlı yöntemin önplan, arkaplan ve komşuluk ilişkilerini uygunşekilde birleştirdigi ve önceki yöntemlere göre hedefi gürültüden arınmış bir bütünşeklinde başarıyla tespit edebildigi gözlemlenmiştir.Anahtar Kelimeler-çizge kesit, anomali, spektral imza, hiperspektral imge Abstract-The studies on hyperspectral target detection until now, has been treated in two approaches. Anomaly detection can be considered as the first approach, which analyses the hyperspectral image with respect to the difference between target and the rest of the hyperspectral image. The second approach compares the previously obtained spectral signature of the target with the pixels of the hyperspectral image in order to localize the target. A distinctive disadvantage of the aforementioned approaches is to treat each pixel of the hyperspectral image individually, without considering the neighbourhood relations between the pixels. In this paper, we propose a target detection algorithm which combines the anomaly detection and signature based hyperspectral target detection approaches in a graph based framework by utilizing the neighbourhood relations between the pixels. Assuming that the target signature is available and the target sizes are in the range of anomaly sizes, a novel derivative based matched filter is first proposed to model the foreground. Second, a new anomaly detection method which models the background as a Gaussian mixture is developed. The developed model estimates the optimal number of components forming the Gaussian mixture by means of utilizing sparsity information. Finally, the similarity of the neighbouring hyperspectral pixels is measured with the spectral angle mapper. The overall proposed graph based method has successfully combined the foreground, b...