Enhancing urban hyperspectral unmixing considering intra-class variability
Apport de la prise en compte de la variabilité intra-classe dans les méthodes de démélange hyperspectral pour l'imagerie urbaine
Résumé
This work is devoted to unmixing for urban areas. We particularly focused on the impact of intra-class variability on unmixing. We first described the results of a study highlighting intra-class variability assessed in real images. It appeared that this phenomenon was significant and had to be included in the mixing models. Based on the state of the art we developed 2 new mixing models dealing with intra-class variability. The first one is a linear one. The second one is a linear-quadratic one which allows to consider multiple scattering effects on buildings. First only the linear mixing model was considered. Currently it does not exist any unmixing method able to deal with this new model. So two methods were developed, UP-NMF and IP-NMF. UP-NMF is a new unmixing method based on an extension of the standard NMF. To overcome UP-NMF limitations an extended method is proposed, IP-NMF, which limit the spreading of each class by adding an inertia constraint in the cost function. These methods were firstly tested on a semi-synthetic data set. These tests allowed us to study the impact of the initialisation on our methods performance and also to fix the inertia parameter. We also compared the results of UP-NMF and IP-NMF to the results obtained with standard methods. The second tests were performed on an image taken above Toulouse. It appeared that IP-NMF is less sensitive to an error in the estimation of classes number than standard methods. Finally we developed a linear-quadratic method, LQIP-NMF, dealing with the non-linear mixing model previously described. In cases of high intra-class variability, the quadratic terms are drowned in the large variability of materials. So it seems that it is not relevant to taking into account these non-linearities.
Au cours de cette thèse nous nous sommes intéressés à la problématique du démélange hyperspectral en milieux urbains. En particulier nous nous sommes penchés sur la prise en compte du phénomène de variabilité intra-classe dans les méthodes de démélange. La mise en évidence de la variabilité intra-classe a été le point de départ de cette étude. Nous avons ainsi constaté que ce phénomène était non-négligeable dans les milieux urbains et qu'il devait être pris en compte. En nous basant sur des modèles de mélange existants dans la littérature nous avons développé deux nouveaux modèles de mélange prenant en compte cette variabilité intra-classe. Le premier est un modèle de mélange linéaire. Le second est un modèle linéaire-quadratique qui permet de prendre en compte les réflexions multiples sur les bâtiments. Dans un premier temps nous ne nous sommes intéressés qu'au cas des modèles linéaires. Comme aucune méthode de la littérature ne permet d'effectuer le démélange à partir de nos modèles de mélange nous avons développé deux méthodes UP-NMF et IP-NMF. UP-NMF est une adaptation de la méthode NMF à notre modèle de mélange. Pour rendre compte de la notion de classes de matériaux purs une contrainte sur l'inertie des classes a été ajoutée à UP-NMF pour obtenir IP-NMF. Les premiers tests ont été effectués sur données semi-synthétiques et ont permis de déterminer l'impact de l'initialisation de ces méthodes sur leurs performances et de fixer le paramètre d'inertie. Les performances de UP-NMF et IP-NMF ont été comparées à celles des méthodes standards de démélange. Les seconds tests ont été effectués sur une portion d'image de Toulouse. Dans cette partie nous avons mis en évidence que, contrairement à des méthodes standards, les résultats de IP-NMF étaient peu sensibles à une erreur sur l'estimation du nombre de classes pures. Finalement nous avons développé une méthode de démélange linéaire-quadratique, LQIP-NMF, en nous basant sur le modèle que nous avons mis en place. Les tests de LQIP-NMF ont montré qu'en cas de trop forte variabilité intra-classe les effets de non-linéarité étaient de second ordre et qu'il ne semblait pas pertinent de les prendre en compte.
Origine : Version validée par le jury (STAR)
Loading...