Algorithme d'apprentissage pour la segmentation d'images hyperspectrales compressées

Autor: Biquard, Maud, Rouxel, Antoine, Lacroix, Simon, Carfantan, Hervé, Monmayrant, Antoine, Camon, Henri
Přispěvatelé: Équipe Robotique et InteractionS (LAAS-RIS), Laboratoire d'analyse et d'architecture des systèmes (LAAS), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Institut National des Sciences Appliquées (INSA)-Université de Toulouse (UT)-Institut National des Sciences Appliquées (INSA)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT), Équipe Photonique (LAAS-PHOTO), Institut de recherche en astrophysique et planétologie (IRAP), Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire Midi-Pyrénées (OMP), Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique [CNRS], Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Institut national des sciences de l'Univers (INSU - CNRS)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Observatoire Midi-Pyrénées (OMP), Météo France-Centre National d'Études Spatiales [Toulouse] (CNES)-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Météo France-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS)
Jazyk: francouzština
Rok vydání: 2021
Předmět:
Zdroj: ORASIS 2021
ORASIS 2021, Centre National de la Recherche Scientifique [CNRS], Sep 2021, Saint Ferréol, France
Popis: International audience; Cet article présente une technique d'apprentissage qui permet de segmenter une scène hyperspectrale en classes connues, sur la seule base d'une image compressée et d'une image panchromatique de la scène. Ces images sont obtenues par un capteur hyperspectral particulier, qui comprend deux lignes de dispersion spectrales séparées par une matrice de micro-miroirs qui opère une sélection spatiale. L'algorithme d'apprentissage exploite l'architecture existante de réseau de neurones DSSNet dédiée à la segmentation de cubes hyperspectraux complets, en la complétant par un bloc de convolution appliqué à la structure de données modélisant l'acquisition d'une image compressée. L'approche traite un volume d'information 50 fois inférieur à celui d'un cube hyperspectral complet, et fournit des résultats légèrement moins précis que ceux obtenus par DSSNet pour la segmentation du cube hyperspectral complet. L'article détaille la modélisation du capteur exploité, la nouvelle couche de convolution introduite, la manière dont le réseau est entraîné, et analyse les résultats obtenus.
Databáze: OpenAIRE
Externí odkaz: