Démélange aveugle d'images hyperspectrales à l'aide d'un modèle linéaire étendu tenant compte de la variabilité spectrale
Résumé
Par simplicité, un modèle de mélange linéaire est souvent utilisé pour démélanger des images hyperspectrales, mais il suppose qu'une unique signature spectrale peut représenter complètement un endmember. Cependant, dans beaucoup de cas, cette hypothèse n'est pas valide car de nombreux facteurs tels que les conditions d'illumination et la variabilité intrinsèque des matériaux ont des conséquences sur les signatures spectrales de ces derniers. Dans cet article, nous proposons un algorithme simple mais flexible pour démélanger des images hyperspectrales en utilisant un modèle linéaire étendu proposé récemment. Ce modèle autorise une variation des spectres des endmembers dans chaque pixel en considérant des variantes mises à l'échelle d'endmembers de référence. Les résultats sur des données synthétiques montrent que la méthode proposée obtient de meilleures performances que d'autres méthodes prenant en compte la variabilité spectrale, et fournit une estimation précise de cette dernière dans la scène observée grâce à l'estimation des facteurs d'échelle, du moment que l'abondance du matériau correspondant est suffisante.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...