Méthodes tridimensionnelles pour la compression, restauration et détection en imagerie hyperspectrale (Book, 2007) [WorldCat.org]
skip to content
Méthodes tridimensionnelles pour la compression, restauration et détection en imagerie hyperspectrale Preview this item
ClosePreview this item
Checking...

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

Author: Jean-Michel Gaucel; Salah Bourennane, chercheur en traitement du signal et des images).; Mireille Guillaume; Université Paul Cézanne (Aix-en-Provence, Bouches-du-Rhône / Marseille) (1973-2011).
Publisher: [S.l.] : [s.n.], 2007.
Dissertation: Thèse de doctorat : Optique, image et signal : Aix-Marseille 3 : 2007.
Edition/Format:   Thesis/dissertation : Thesis/dissertation : FrenchView all editions and formats
Summary:
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
Rating:

(not yet rated) 0 with reviews - Be the first.

Subjects
More like this

Find a copy in the library

&AllPage.SpinnerRetrieving; Finding libraries that hold this item...

Details

Genre/Form: Thèses et écrits académiques
Additional Physical Format: Méthodes tridimensionnelles pour la compression, restauration et détection en imagerie hyperspectrale / Jean-Michel Gaucel
Lille : Atelier national de reproduction des thèses, 2007
Microfiches. (@Lille-Thèses)
(ABES)246984864
Material Type: Thesis/dissertation
Document Type: Book
All Authors / Contributors: Jean-Michel Gaucel; Salah Bourennane, chercheur en traitement du signal et des images).; Mireille Guillaume; Université Paul Cézanne (Aix-en-Provence, Bouches-du-Rhône / Marseille) (1973-2011).
OCLC Number: 493725636
Description: 1 vol. (139 p.) ; 30 cm.
Responsibility: Jean-Michel Gaucel ; sous la direction de Salah Bourennane et Mireille Guillaume.

Abstract:

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.

Reviews

User-contributed reviews
Retrieving GoodReads reviews...
Retrieving DOGObooks reviews...

Tags

Be the first.

Similar Items

Related Subjects:(1)

Confirm this request

You may have already requested this item. Please select Ok if you would like to proceed with this request anyway.

Close Window

Please sign in to WorldCat 

Don't have an account? You can easily create a free account.