Apprentissage actif d'images hyperspectrales multi-temporelles pour la génération de signatures 3D - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès TAIMA 2011: traitement et analyse de l'information : méthodes et applications Année : 2011

Apprentissage actif d'images hyperspectrales multi-temporelles pour la génération de signatures 3D

Résumé

L'avènement et l'analyse des images hyperspectrales multi-temporelles est un champ de recherche très actif de nos jours. Dans ce papier, nous proposons une nouvelle approche se référant à une modèlisation 3D définissant la reflectance de chaque pixel comme une fonction des dimensions spectrale et temporelle. Cette investigation permet de définir une nouvelle signature spectrale multi-temporelle pour chaque matériau de la surface terrestre. A partir de cette modélisation, un apprentissage actif nous a permis de construire une nouvelle génération des bases de signatures 3D acclimatant les techniques d'analyse et de reconnaissance multi-dimensionnelle pour la classification des images multi-dates. Les résultats expérimentaux obtenus sur un Benchmark d'images AVIRIS démontrent de l'efficacité de l'approche proposée.
Fichier non déposé

Dates et versions

hal-00796596 , version 1 (04-03-2013)

Identifiants

  • HAL Id : hal-00796596 , version 1

Citer

Salim Hemissi, Imed Riadh Farah, Karim Saheb Ettabaa, Basel Solaiman. Apprentissage actif d'images hyperspectrales multi-temporelles pour la génération de signatures 3D. TAIMA 2011: traitement et analyse de l'information : méthodes et applications, Oct 2011, Hammamet, Tunisie. pp.657-666. ⟨hal-00796596⟩
34 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More