Démélange robuste d'images hyperspectrales en interprétant les pôles de mélange comme des données directionnelles

Abstract

Le démélange d'images hyperspectrales vise à extraire les spectres des matériaux purs de la scène observée (pôles de mélange ou endmembers), ainsi que leurs proportions dans chaque pixel de l'image (abondances). La plupart des algorithmes s'appuient sur des techniques classiques d'extraction d'endmembers qui peuvent échouer dans des scénarios difficiles. Dans cet article, nous abordons ce problème en même temps que la variabilité des matériaux en considérant qu'un endmember est une direction dans l'espace ambiant plutôt qu'un seul point. Sous ce paradigme, nous proposons un algorithme pour fournir des spectres de référence robustes. Nous montrons le potentiel de l'algorithme proposé sur un jeu de données synthétiques en utilisant des spectres réels présentant de la variabilité intra-classe, et une image d'une scène naturelle complexe.