Hyperspectral Local Intrinsic Dimensionality
Autor: | Lucas Drumetz, Jocelyn Chanussot, Giorgio Licciardi, Mauro Dalla Mura, Ruben Marrero Gomez, Miguel Angel Veganzones, Christian Jutten, Guillaume Tochon |
---|---|
Přispěvatelé: | GIPSA - Signal Images Physique (GIPSA-SIGMAPHY), Département Images et Signal (GIPSA-DIS), Grenoble Images Parole Signal Automatique (GIPSA-lab ), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Grenoble Images Parole Signal Automatique (GIPSA-lab ), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), GIPSA - Communication Information and Complex Systems (GIPSA-CICS), Observatoire des Sciences de l'Univers de Grenoble (OSUG ), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national des sciences de l'Univers (INSU - CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), GIPSA - Vision and Brain Signal Processing (GIPSA-VIBS), ERC CHESS (ERC AdG-2012-320684), European Project: 320684,EC:FP7:ERC,ERC-2012-ADG_20120216,CHESS(2013), SIGMAPHY (GIPSA-SIGMAPHY), Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-GIPSA Pôle Sciences des Données (GIPSA-PSD), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA), CICS (GIPSA-CICS), Planeto, Institut de Planétologie et d'Astrophysique de Grenoble (IPAG), Centre National d'Études Spatiales [Toulouse] (CNES)-Université Grenoble Alpes (UGA)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire des Sciences de l'Univers de Grenoble (OSUG), Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Joseph Fourier - Grenoble 1 (UJF)-Centre National de la Recherche Scientifique (CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Université Grenoble Alpes (UGA)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire des Sciences de l'Univers de Grenoble (OSUG), Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Joseph Fourier - Grenoble 1 (UJF)-Centre National de la Recherche Scientifique (CNRS), VIBS (GIPSA-VIBS) |
Rok vydání: | 2016 |
Předmět: |
local spectral unmixing
Spectral signature business.industry Dimensionality reduction 0211 other engineering and technologies Hyperspectral imaging Estimator 020206 networking & telecommunications Pattern recognition 02 engineering and technology virtual dimensionality hyperspectral imagery Intrinsic dimensionality Full spectral imaging 0202 electrical engineering electronic engineering information engineering General Earth and Planetary Sciences Noise (video) Artificial intelligence Electrical and Electronic Engineering business [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing Subspace topology 021101 geological & geomatics engineering Curse of dimensionality Mathematics |
Zdroj: | IEEE Transactions on Geoscience and Remote Sensing IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2016, 54 (7), pp.4063-4078. ⟨10.1109/TGRS.2016.2536480⟩ IEEE Transactions on Geoscience and Remote Sensing, 2016, 54 (7), pp.4063-4078. ⟨10.1109/TGRS.2016.2536480⟩ |
ISSN: | 1558-0644 0196-2892 |
Popis: | International audience; The Intrinsic Dimensionality (ID) of multivariate data is a very important concept in spectral unmixing of hyperspectral images. A good estimation of the ID is crucial for a correct retrieval of the number of endmembers (the spectral signatures of macroscopic materials) in the image, for dimensionality reduction or for subspace learning, among others. Recently, some approaches to perform spectral unmixing and super-resolution locally have been proposed, which require a local estimation of the number of endmembers to use. However, the role of ID in local regions of hyperspectral images has not been properly addressed. Some important issues when dealing with small regions of hyperspectral data can seriously affect the performance of conventional hyperspectral ID estimators. We show that three factors mainly affect local ID estimation: the number of pixels in the local regions, which has to be high enough for the estimations to be relevant, the number of hyperspectral bands which complicates the estimations if the ambient space has a high dimensionality, and the noise, which can be misinterpreted as signal when its power is important. Here, we review the hyperspectral ID estimators on the literature for local ID estimation, we show how they behave in a local setting on synthetic and real datasets, and we provide some guidelines to make proper use of these estimators in local approaches. |
Databáze: | OpenAIRE |
Externí odkaz: |