Méthodes tridimensionnelles pour la compression, restauration et détection en imagerie hyperspectrale

Tridimensional methods for compression, restoration and detection in hyperspectral imagery

• Auteur / Autrice : Jean-Michel Gaucel
• Direction : Salah Bourennane, Mireille Guillaume
• Type : Thèse de doctorat
• Discipline(s) : Optique, image et signal
• Date : Soutenance en 2007
• Etablissement(s) : Aix-Marseille 3

Mots clés

Mots clés contrôlés

Compression d'images

Résumé

L’imagerie hyperspectrale représente une avancée considérable pour l’observation de la Terre. Le traitement de ces données nécessite de développer des méthodes nouvelles. Au cours de cette thèse, nous avons apporté notre contribution pour des applications à la compression, restauration, détection et à la séparation de composantes. La compression des données hyperspectrales est une nécessité. Tout d’abord, nous proposons une méthode basée sur la troncature de la SVD après un réarrangement spatial du cube, comme alternative à l’algorithme JPEG2000 "standard". Puis, nous présentons un algorithme de restauration qui permet de ne pas dégrader les petites cibles, fréquentes en imagerie hyperspectrale, et ainsi d’améliorer les performances de détection. Ensuite, nous introduisons une prise en compte des caractéristiques spatiales de la scène en détection d’anomalies permettant une amélioration des performances. Enfin, l’utilisation des outils de séparation de sources est abordée et adaptée au contexte de la détection d’anomalies. Nous proposons une méthode de décomposition qui optimise l’indépendance en relaxant la condition d’orthogonalité et montrons sa supériorité par rapport à une ACI classique.

The hyperspectral imagery represents a considerable advance for the observation of the earth. The processing of these data requires to develop new methods. During this thesis, we have made our contribution to the research for applications to compression, restoration, detection and components separation. The compression of the hyperspectral data is a need. Firstly, we propose a method based on the SVD truncation after a spatial rearrangement of the cube, as an alternative to the "standard" JPEG2000 algorithm. Secondly, we present a restoration algorithm which makes it possible not to degrade the small targets, frequent in hyperspectral imagery, and thus to improve the detection performances. Then, we introduce a taking into account of the spatial characteristics of the scene in anomalies detection, which leads to an improvement of the performances. Lastly, the use of the tools for sources separation is addressed and adapted to the context of anomalies detection. We propose a decomposition method which optimizes the independence by releasing the condition of orthogonality and we show its superiority compared with a traditional ACI.