Analyse non supervisée d'images hyperspectrales

Démixage linéaire et détection d'anomalies

Alexis Huck - Collection Omn.univ.europ.

148 pages, parution le 20/01/2011

Ajouter à une liste

Expédié sous 5 jours

Livraison à partir de 0,01€ dès 35€ d'achats
Pour une livraison en France métropolitaine

QUANTITÉ

Résumé

Cette thèse explore deux axes de recherche pour l'analyse non-supervisée d'Images HyperSpectrales (HSIs). Sous l'hypothèse du modèle de mélange linéaire de spectres, nous abordons d'abord la problématique du démixage par Factorisation en Matrices Non-négatives (NMF). D'une part, nous proposons de régulariser le problème en intégrant de l'information a priori spectrale et spatiale judicieuse, spécifique aux HSIs. D'autre part, nous proposons un estimateur du pas optimal pour la descente de gradient projeté. Nous montrons ainsi que, correctement régularisée, la NMF est un outil pertinent pour le démixage d'HSIs. Puis, nous explorons la problématique de la détection d'anomalies. Nous proposons un algorithme de Poursuite de Composantes Anormales (PCA), basé simultanément sur la poursuite de projections et sur un modèle probabiliste avec test d'hypothèses statistiques. Ainsi, la PCA détecte les anomalies à taux de fausse alarme constant et les discrimine en classes spectralement homogènes.

Caractéristiques techniques

	PAPIER
Éditeur(s)	Editions universitaires européennes
Auteur(s)	Alexis Huck
Collection	Omn.univ.europ.
Parution	20/01/2011
Nb. de pages	148
Format	15 x 22
Couverture	Broché
Poids	228g
EAN13	9786131555954