Méthodes de séparation aveugle de sources et application à la télédétection spatiale

Blind source separation methods and application to remote sensing

• Auteur / Autrice : Moussa Sofiane Karoui
• Direction : Yannick Deville, Abdelaziz Ouamri
• Type : Thèse de doctorat
• Discipline(s) : Signal, image, acoustique et optimisation
• Date : Soutenance en 2012
• Etablissement(s) : Toulouse 3 en cotutelle avec Université des Sciences et de la Technologie d'Oran Mohamed-Boudiaf (Algérie)

Mots clés

Mots clés contrôlés

Séparation de sources (traitement du signal)

Photographie spatiale

Images de télédétection

Mots clés libres

Séparation aveugle de sources

Analyse en composantes indépendantes

Analyse en composantes parcimonieuses

Factorisation en matrices non-négatives

Moindres carrés non-négatifs

Classification

Résumé

Cette thèse concerne la séparation aveugle de sources, qui consiste à estimer un ensemble de signaux sources inconnus à partir d'un ensemble de signaux observés qui sont des mélanges à paramètres inconnus de ces signaux sources. C'est dans ce cadre que le travail de recherche de cette thèse concerne le développement et l'utilisation de méthodes linéaires innovantes de séparation de sources pour des applications en imagerie de télédétection spatiale. Des méthodes de séparation de sources sont utilisées pour prétraiter une image multispectrale en vue d'une classification supervisée de ses pixels. Deux nouvelles méthodes hybrides non-supervisées, baptisées 2D-Corr-NLS et 2D-Corr-NMF, sont proposées pour l'extraction de cartes d'abondances à partir d'une image multispectrale contenant des pixels purs. Ces deux méthodes combinent l'analyse en composantes parcimonieuses, le clustering et les méthodes basées sur les contraintes de non-négativité. Une nouvelle méthode non-supervisée, baptisée 2D-VM, est proposée pour l'extraction de spectres à partir d'une image hyperspectrale contenant des pixels purs. Cette méthode est basée sur l'analyse en composantes parcimonieuses. Enfin, une nouvelle méthode est proposée pour l'extraction de spectres à partir d'une image hyperspectrale ne contenant pas de pixels purs, combinée avec une image multispectrale, de très haute résolution spatiale, contenant des pixels purs. Cette méthode est fondée sur la factorisation en matrices non-négatives couplée avec les moindres carrés non-négatifs. Comparées à des méthodes de la littérature, d'excellents résultats sont obtenus par les approches méthodologiques proposées.

This thesis concerns the blind source separation problem, which consists in estimating a set of unknown source signals from a set of observed signals which are mixtures of these source signals, with unknown mixing coefficients. In this thesis, we develop and use innovative linear source separation methods for applications in remote sensing imagery. Source separation methods are used and applied in order to preprocess a multispectral image for a supervised classification of this image. Two new unsupervised methods, called 2D-Corr-NLS and 2D-Corr-NMF, are proposed in order to extract abundance maps from a multispectral image with pure pixels. These methods are based on sparse component analysis, clustering and non-negativity constraints. A new unsupervised method, called 2D-VM, is proposed in order to extract endmember spectra from a hyperspectral image with pure pixels. This method is based on sparse component analysis. Also, a new method is proposed for extracting endmember spectra from a hyperspectral image without pure pixels, combined with a very high spatial resolution multispectral image with pure pixels. This method is based on non-negative matrix factorization coupled with non-negative least squares. Compared to literature methods, excellent results are obtained by the proposed methodological approaches.