Thèse soutenue

Méthodes de démélange non-linéaires pour l'imagerie hyperspectrale
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Nguyen Nguyen Hoang
Direction : Cédric RichardCéline Theys
Type : Thèse de doctorat
Discipline(s) : Sciences de l'univers
Date : Soutenance le 03/12/2013
Etablissement(s) : Nice
Ecole(s) doctorale(s) : École doctorale Sciences fondamentales et appliquées (Nice ; 2000-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire Joseph-Louis Lagrange (Nice, Alpes-Maritimes ; 2012-....) - Joseph Louis LAGRANGE
Jury : Examinateurs / Examinatrices : Cédric Richard, Céline Theys, Emmanuel Duflos, Jean-Yves Tourneret, Jocelyn Chanussot, Pierre Borgnat, Paul Honeine
Rapporteurs / Rapporteuses : Emmanuel Duflos, Jean-Yves Tourneret

Résumé

FR  |  
EN

Dans cette thèse, nous avons présenté les aspects de la technologie d'imagerie hyperspectrale en concentrant sur le problème de démélange non-linéaire. Pour cette tâche, nous avons proposé trois solutions. La première consiste à intégrer les avantages de l'apprentissage de variétés dans les méthodes de démélange classique pour concevoir leurs versions non-linéaires. Les résultats avec les données générées sur une variété bien connue - le "Swissroll"- donne des résultats prometteurs. Les méthodes fonctionnent beaucoup mieux avec l'augmentation de la non-linéarité. Cependant, l'absence de contrainte de non-négativité dans ces méthodes reste une question ouverte pour des améliorations à trouver. La deuxième proposition vise à utiliser la méthode de pré-image pour estimer une transformation inverse de l'espace de données entrées des pixels vers l'espace des abondances. L'ajout des informations spatiales sous forme "variation totale" est également introduit pour rendre l'algorithme plus robuste au bruit. Néanmoins, le problème d'obtention des données de réalité terrain nécessaires pour l'étape d'apprentissage limite l'application de ce type d'algorithmes.