Analyse en composantes indépendantes pour la caractérisation d'images hyperspectrales en télédétection

Viron, Cyril (2006). Analyse en composantes indépendantes pour la caractérisation d'images hyperspectrales en télédétection. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (6MB) | Prévisualisation

Résumé

En réponse partielle aux problèmes écologiques actuels, l'imagerie hyperspectrale ambitionne de connaître la composition locale d'une parcelle agraire en recherchant sa signature spectrale car celle-ci caractérise de façon unique un élément. Cependant, cette signature s'avère être un mélange pondéré de celles des éléments s'y trouvant. Afin de récupérer leurs signatures à partir du mélange, l'analyse en composantes indépendantes (ACI) est légitimement utilisée! Malgré le nombre restreint de travaux sur l'ACI en hyperspectral, devant sa popularité en traitement de signal, nous l'avons appliquée en utilisant l'algorithme FastICA, méthode la plus récente et efficace, d'abord sur des images et des signaux classiques (pour constater son efficacité), puis sur une base de signatures étalons. Le but est de comparer les composantes indépendantes à une base référencée pour former les paires les plus ressemblantes. Cependant, du fait des ambiguïtés et d'absence de critère de validation de l'ACI, il est impossible de prédire ni vérifier les paires. Pour y remédier, notre protocole expérimental est divisé entre comparaisons «théorique» et «pratique», basées sur des niveaux de confiance, permettant de former les paires considérées justes d'une part (base partielle) et expérimentales d'autre part (base totale) qui, comparées, déterminent le succès d'association. Les résultats, assujettis à deux seuils de confiance relatifs, sont excellents pour les signaux, bons pour les images mais globalement médiocres pour les signatures. La raison principale est un effet beaucoup plus visible en ce cas de la subjectivité de la prise de décision et de la décorrélation inévitable entraînant déformations et trop grande dépendance à la base. Cependant, les résultats deviennent très satisfaisants pour une sélection adéquate (cultures, arbres et minéraux). Pour tenter encore de les améliorer, des recommandations constructives ont été proposées, afin de poser le deuxième échelon de ce travail, qui se voulait novateur.

Titre traduit

Independent component analysis for the characterization of hyperspectral images in remote sensing

Résumé traduit

To address some current environmental problems, hyperspectral imaging is seen as a means of obtaining the local composition of an agricultural parcel. To this end, the extraction of spectral signatures is of interest as it allows the characterization of an element in a specific manner. However, the spectral signature obtained from a given parcel is in fact a weighted mixture of the various elements presents; the individual signature of each element is then sought : independent component analysis (ICA) could be the tool of choice to accomplish this task ! In spite of limited applications of this method to this field, it was chosen for its popularity in signal processing. One of the most recent and efficient implementation, the FastiCA algorithm, was applied at first to the unmixing of grayscale images, then to classic temporal signals (to verify its efficiency) and finally to a subset of the USGS spectral signature database. The approach was to compare the extracted independent components to a reference database and to form pairs based on similarity. However, due to the ambiguities and the lack of validation criterion associated with the ICA, it was impossible neither to predict nor to verify the pairs. To remedy this, our experimental protocol was divided into theoretical and practical comparisons, which are based on confidence levels and allowed to form, on one hand, the right pairs in theory (partial base) and, on the other hand, experimental pairs (entire base). These are finally compared to determine associations' success. Globally, based on two relative confidence thresholds, the results are excellent for signals, good for images but mediocre for spectral signatures. This last case is explained by a much more omnipresent effect of two general problems : decision-making's subjectivity and the unavoidable decorrelation, which involved deformations and too large a dependence on the selected base. Nevertheless, the results become very satisfactory for an adequate selection (cultures, trees and minerals). To improve the method, some constructive recommendations are proposed in order to support the second portion of this work, which wanted itself innovative.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise en génie de la production automatisée". Bibliogr.: f. [222]-228. Chap. 1. Analyse en composantes indépendantes -- Chap. 2. État de l'art -- Chap. 3. Algorithmes du point fixe -- Chap. 4. Protocole expérimental -- Chap. 5. Discussion et interprétation des résultats.
Mots-clés libres:	Algorithme, Analyse, Caracterisation, Composante, Experimental, Fixe, Hyperspectral, Image, Independant, Point, Protocole, Teledetection
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Landry, Jacques-André
Programme:	Maîtrise en ingénierie > Génie de la production automatisée
Date de dépôt:	30 mars 2011 14:26
Dernière modification:	04 nov. 2016 21:44
URI:	https://espace.etsmtl.ca/id/eprint/486

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt