OATAO - Open Archive Toulouse Archive Ouverte Open Access Week

Algorithmes bayésiens pour le démélange supervisé, semi-supervisé et non-supervisé d’images hyperspectrales

Dobigeon, Nicolas and Moussaoui, Saïd and Coulon, Martial and Tourneret, Jean-Yves and Hero, Alfred O. Algorithmes bayésiens pour le démélange supervisé, semi-supervisé et non-supervisé d’images hyperspectrales. (2010) Traitement du signal, vol. 27 (n° 1). pp. 79-108. ISSN 0765-0019

[img]
Preview
(Document in French)

PDF (Author's version) - Requires a PDF viewer such as GSview, Xpdf or Adobe Acrobat Reader
1666Kb

Official URL: http://dx.doi.org/10.3166/ts.27.79-108

Abstract

Cet article présente des algorithmes totalement bayésiens pour le démélange d’images hyperspectrales. Chaque pixel de l’image est décomposée selon une combinaison de spectres de références pondérés par des coefficients d’abondances selon un modèle de mélange linéaire. Dans un cadre supervisé, nous supposons connus les spectres de références. Le problème consiste alors à estimer les coefficients du mélange sous des contraintes de positivité et d’additivité. Une loi a priori adéquate est choisie pour ces coefficients qui sont estimés à partir de leur loi a posteriori. Un algorithme de Monte Carlo par chaîne de Markov (MCMC) est développé pour approcher les estimateurs. Dans un cadre semi-supervisé, les spectres participant au mélange seront supposés inconnus. Nous faisons l’hypothèse qu’ils appartiennent à une bibliothèque spectrale. Un algorithme MCMC à sauts réversibles permet dans ce cas de résoudre le problème de sélection de modèle. Enfin, dans un dernier cadre d’étude, les algorithmes précédents sont étendus au démélange non-supervisé d’images hyperspectrales, c’est-à-dire au problème d’estimation conjointe des spectres et des coefficients de mélange. Ce problème de séparation aveugle de sources est résolu dans un sous-espace approprié.

Item Type:Article
Additional Information:Thanks to Lavoisier. This original publication is available at http://revuesonline.com/portail/
Audience (journal):National peer-reviewed journal
Uncontrolled Keywords:
Institution:French research institutions > Centre National de la Recherche Scientifique - CNRS
Other partners > Ecole Centrale de Nantes (FRANCE)
Other partners > Ecole des Mines de Nantes (FRANCE)
Université de Toulouse > Institut National Polytechnique de Toulouse - INPT
Université de Toulouse > Université Paul Sabatier-Toulouse III - UPS
Other partners > Université de Nantes (FRANCE)
Other partners > University of Michigan - U-M (USA)
Laboratory name:
Statistics:download
Deposited By:Jean-yves TOURNERET

Repository Staff Only: item control page