Séparation et déconvolution conjointes d'images hyperspectrales

Yingying Song (1) , El-Hadi Djermoune (1) , David Brie (1) , Cédric Richard (2)

1 CRAN - Centre de Recherche en Automatique de Nancy
2 LAGRANGE - Joseph Louis LAGRANGE

This paper proposes a joint supervised linear unmixing and deconvolution algorithm (JUD) to increase the resolution of the abundance maps for industrial imaging systems. The JUD algorithm is introduced based on a Tikhonov regularization criterion for offline processing. In order to meet the needs of industrial applications, the proposed JUD is then extended for online processing by using a block Tikhonov criterion and taking into account possible non-negativity constraints. We also propose an efficient implementation based on the fast Fourier transform. The proposed algorithm is finally assessed using simulated and real hyperspectral images.

Cette communication propose un algorithme de démélange-déconvolution conjoints permettant d'améliorer la résolution des cartes d'abondance des imageurs industriels. L'algorithme est basé sur un critère incluant une régularisation de Tikhonov pour un traitement hors-ligne. Afin de répondre à une forte demande industrielle, l'algorithme est étendu pour permettre un traitement en ligne de flux d'images en utilisant un critère Tikhonov par blocs sans puis avec contraintes de non-négativité. Une implémentation efficace basée sur la transformée de Fourier rapide est également proposée. Les performances de l'algorithme sont évaluées au travers d'images hyperspectrales simulées et réelles.

Domaines: Traitement du signal et de l'image [eess.SP]

Yingying Song, El-Hadi Djermoune, David Brie, Cédric Richard. Séparation et déconvolution conjointes d'images hyperspectrales. XXVIIème Colloque francophone de traitement du signal et des images, GRETSI 2019, Aug 2019, Lille, France. ⟨hal-02305970⟩