Estimation de la dimension intrinsèque des images hyperspectrales à l'aide d'un modèle à variances isolées - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2015

Estimation de la dimension intrinsèque des images hyperspectrales à l'aide d'un modèle à variances isolées

Résumé

This paper proposes a fully automatic approach for estimating the number of endmembers in hyperspectral images. The estimation is based on recent results of random matrix theory related to the so-called spiked population model. More precisely, we study the gap between successive eigenvalues of the sample covariance matrix constructed from high dimensional noisy samples. The resulting estimation strategy is unsupervised and robust to correlated noise. This strategy is validated on both synthetic and real images. The experimental results are very promising and show the accuracy of this algorithm with respect to state-of-the-art algorithms
Fichier principal
Vignette du fichier
15.gretsi.eigengap.pdf (426.24 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01965986 , version 1 (27-12-2018)

Identifiants

  • HAL Id : hal-01965986 , version 1

Citer

Abderrahim Halimi, Paul Honeine, Malika Kharouf, Cédric Richard, Jean-Yves Tourneret. Estimation de la dimension intrinsèque des images hyperspectrales à l'aide d'un modèle à variances isolées. Actes du 25-ème Colloque GRETSI sur le Traitement du Signal et des Images, 2015, Lyon, France. ⟨hal-01965986⟩
37 Consultations
99 Téléchargements

Partager

Gmail Facebook X LinkedIn More