Approche couplée VAE et interpolateur pour l'émulation rapide d'images hyperspectrales
Résumé
Generating high-fidelity hyperspectral data is an essential part of observation missions, but traditionally involves costly numerical simulations. This challenge can be met by building a statistical model that approximates the distribution of the simulated data. This process is called emulation. This paper presents a new emulation approach coupling a variational autoencoder (VAE) and an interpolator for fast emulation of hyperspectral images. This approach enables the hyperspectral image to be emulated from the biophysical parameters efficiently and accurately. We derive two methods from this framework: a hyperspectral cube emulation method and a spectrum-to-spectrum emulation method. These methods are evaluated on Sentinel-3 hyperspectral images and shows significant improvements in terms of accuracy and efficiency compared with existing methods.
La génération de données hyperspectrales de haute fidélité est un élément essentiel des missions d'observation, mais elle implique traditionnellement des simulations numériques coûteuses. Ce défi peut être relevé en construisant un modèle statistique approchant la distribution des données simulées. Ce processus est appelé émulation. Cet article présente une nouvelle approche d'émulation couplant un autoencodeur variationnel (VAE) et un interpolateur pour une émulation rapide d'images hyperspectrales. Cette approche permet d'émuler l'image hyperspectrale à partir des paramètres biophysiques de manière efficace et précise. Nous en dérivons deux méthodes : une méthode d'émulation de cubes hyperspectraux et une méthode d'émulation spectre-à-spectre. Ces méthodes sont évaluées sur les images hyperspectrales Sentinel-3 et montrent des améliorations significatives en termes de précision et d'efficacité par rapport aux méthodes existantes.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |