Tests statistiques pour l'analyse d'acquisitions hyperspectrales codées
Résumé
Co-designed and programmable hyperspectral imagers, based on computational imaging, can greatly reduce the
acquisition time of hyperspectral scenes. They rely on the measurement of one or a few coded images combined with a model (to compensate for the lack of data) and allow to estimate the hyperspectral scene while reducing the amount of data and the acquisition time by an order of magnitude or more. The adequacy of the model to the observed scene is the sine qua none condition for an accurate estimation. Here we study a separability assumption of the scene over homogeneous regions, which is similar to accounting for intraclass variability in supervised spectral classification, and use statistical tests to verify this model from the coded data.
-Des imageurs hyperspectraux co-conçus et programmables, relevant de l'imagerie computationnelle, permettent aujourd'hui de réduire fortement le temps d'acquisition de scènes hyperspectrales. Ils reposent sur la mesure d'une ou de quelques images codées, qui associées à un modèle palliant le manque de données, permettent d'estimer toute la scène hyperspectrale en réduisant la quantité de données et le temps d'acquisition d'un ordre de grandeur ou plus. L'adéquation du modèle à la scène observée est la condition sine qua none d'une estimation fidèle. Nous proposons ici d'étudier un modèle de séparabilité de la scène sur des régions homogènes, similaire à la prise en compte de la variabilité intraclasse en classification spectrale supervisée, et utilisons des tests statistiques pour vérifier ce modèle à partir des données codées.
Fichier principal
DINH - Tests statistiques pour l_analyse d_acquisitions hyperspectrales codées.pdf (5.55 Mo)
Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)