Centre de documentation
scientifique

Spectral unmixing with perturbed endmembers / Reza Arablouei in IEEE Transactions on geoscience and remote sensing, vol 57 n° 1 (January 2019)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 57 n° 1 (January 2019) . - pp 194 - 211 Titre : Spectral unmixing with perturbed endmembers Type de document : Article/Communication Auteurs : Reza Arablouei, Auteur Année de publication : 2019 Article en page(s) : pp 194 - 211 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse des mélanges spectraux [Termes IGN] image hyperspectrale [Termes IGN] matrice d'information de Fischer Résumé : (Auteur) We consider the problem of supervised spectral unmixing with a fully-perturbed linear mixture model where the given endmembers, as well as the observations of the spectral image, are subject to perturbation due to noise, error, or model mismatch. We calculate the Fisher information matrix and the Cramer-Rao lower bound associated with the estimation of the abundance matrix in the considered fully-perturbed linear spectral unmixing problem. We develop an algorithm for estimating the abundance matrix by minimizing a constrained and regularized maximum-log-likelihood objective function using the block coordinate-descend iterations and the alternating direction method of multipliers. We analyze the convergence of the proposed algorithm theoretically and perform simulations with real hyperspectral image data sets to evaluate its performance. The simulation results corroborate the efficacy of the proposed algorithm in mitigating the adverse effects of perturbation in the endmembers. Numéro de notice : A2019-105 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2018.2852745 Date de publication en ligne : 26/07/2018 En ligne : https://doi.org/10.1109/TGRS.2018.2852745 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92411 [article]

Efficient, simultaneous detection of multi-class geospatial targets based on visual saliency modeling and discriminative learning of sparse coding / Junwei Han in ISPRS Journal of photogrammetry and remote sensing, vol 89 (March 2014)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 89 (March 2014) . - pp 37 - 48 Titre : Efficient, simultaneous detection of multi-class geospatial targets based on visual saliency modeling and discriminative learning of sparse coding Type de document : Article/Communication Auteurs : Junwei Han, Auteur ; Peicheng Zhou, Auteur ; Dingwen Zhang, Auteur ; Gong Cheng, Auteur ; et al., Auteur Année de publication : 2014 Article en page(s) : pp 37 - 48 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse discriminante [Termes IGN] apprentissage automatique [Termes IGN] détection de cible [Termes IGN] données localisées [Termes IGN] image optique [Termes IGN] matrice d'information de Fischer [Termes IGN] modèle de simulation [Termes IGN] relief Résumé : (Auteur) Automatic detection of geospatial targets in cluttered scenes is a profound challenge in the field of aerial and satellite image analysis. In this paper, we propose a novel practical framework enabling efficient and simultaneous detection of multi-class geospatial targets in remote sensing images (RSI) by the integration of visual saliency modeling and the discriminative learning of sparse coding. At first, a computational saliency prediction model is built via learning a direct mapping from a variety of visual features to a ground truth set of salient objects in geospatial images manually annotated by experts. The output of this model can predict a small set of target candidate areas. Afterwards, in contrast with typical models that are trained independently for each class of targets, we train a multi-class object detector that can simultaneously localize multiple targets from multiple classes by using discriminative sparse coding. The Fisher discrimination criterion is incorporated into the learning of a dictionary, which leads to a set of discriminative sparse coding coefficients having small within-class scatter and big between-class scatter. Multi-class classification can be therefore achieved by the reconstruction error and discriminative coding coefficients. Finally, the trained multi-class object detector is applied to those target candidate areas instead of the entire image in order to classify them into various categories of target, which can significantly reduce the cost of traditional exhaustive search. Comprehensive evaluations on a satellite RSI database and comparisons with a number of state-of-the-art approaches demonstrate the effectiveness and efficiency of the proposed work. Numéro de notice : A2014-123 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2013.12.011 En ligne : https://doi.org/10.1016/j.isprsjprs.2013.12.011 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=33028 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2014031	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Estimation et inférence du coefficient d'autorégression du modèle de Whittle sur un réseau d'interactions aléatoires faibles / D. Carillo in Revue internationale de géomatique, vol 17 n° 3-4 (septembre 2007 – février 2008)  

Public [article]  inRevue internationale de géomatique > vol 17 n° 3-4 (septembre 2007 – février 2008) . - pp 261 - 275 Titre : Estimation et inférence du coefficient d'autorégression du modèle de Whittle sur un réseau d'interactions aléatoires faibles Type de document : Article/Communication Auteurs : D. Carillo, Auteur Année de publication : 2007 Conférence : SAGEO 2006, Spatial Analysis and GEOmatics, Colloque International de Géomatique et d'Analyse Spatiale 11/09/2006 13/09/2006 Strasbourg France Article en page(s) : pp 261 - 275 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] auto-régression [Termes IGN] estimation statistique [Termes IGN] inférence statistique [Termes IGN] interaction spatiale [Termes IGN] matrice d'information de Fischer [Termes IGN] méthode du maximum de vraisemblance (estimation) Résumé : (Auteur) Nous traitons d'un champ spatial autorégressif simultané d'ordre 1 (modèle de Whittle) composé de variables en interaction selon une géométrie de réseau carré. Nous considérons le cas où le coefficient d'autorégression du modèle spatial est inconnu et chaque interaction se produit avec une probabilité 1 ¡ p entre variables plus proches voisines dans l'espace. Nous étudions l'impact de la connectivité du champ (due aux interactions) sur l'inférence statistique et l'estimation ponctuelle du coefficient d'autoregression, en fonction de p et au travers des concepts suivants : l'estimation de maximum de vraisemblance, l'information de Fisher (et la divergence de Kullback-Leibler) et la puissance du test du I de Moran. Copyright Lavoisier Numéro de notice : A2007-591 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.3166/geo.17.261-275 En ligne : https://doi.org/10.3166/geo.17.261-275 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=28954 [article]

Exemplaires(2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
047-07031	RAB	Revue	Centre de documentation	En réserve L003	Disponible
047-07032	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Detection of buried targets via active selection of labeled data: Application to sensing subsurface UXO / Y. Zhang in IEEE Transactions on geoscience and remote sensing, vol 42 n° 11 (November 2004)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 42 n° 11 (November 2004) . - pp 2535 - 2543 Titre : Detection of buried targets via active selection of labeled data: Application to sensing subsurface UXO Type de document : Article/Communication Auteurs : Y. Zhang, Auteur ; X. Liao, Auteur ; L. Carin, Auteur Année de publication : 2004 Article en page(s) : pp 2535 - 2543 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] cible cachée [Termes IGN] classification [Termes IGN] détection de cible [Termes IGN] erreur moyenne quadratique [Termes IGN] matrice [Termes IGN] matrice d'information de Fischer [Termes IGN] mine antipersonnel [Termes IGN] signature spectrale Résumé : (Auteur) When sensing subsurface targets, such as land-mine and unexploded ordnance (UXO), the target signatures are typically a strong function of environmental and historical circumstances. Consequently, it is difficult to constitute a universal training set for design of detection or classification algorithms. In this paper, we develop an efficient procedure by which information-theoretic concepts are used to design the basis functions and training set, directly from the site-specific measured data specifically, assume that measured data (e.g., induction and/or magnetometer) are available from a given site, unlabeled in the sense that it is not known a priori whether a given signature is associated with a target or clutter. For N signatures, the data may be expressed as {Xi, Yi}i=1,N, where xi is the measured data or buried object i, and yi is the associated unknown binary label (target/nontarget). Let the N xi define the set X. The algorithm works in four steps : 1) the Fisher information matrix is used to select a set of basis functions for the kernel-based algorithm, this step defining a set of n signatures Bn X that are most informative in characterizing the signature distribution of the site; 2) the Fisher information matrix is used again to define a small subset Xs X, composed of those xi for which knowledge of the associated labels yi would be most informative in defining the weights, for the basis functions in Bn ; 3) the buried objects associated with the signatures in Xs., are excavated, yielding the associated labels yi, represented by the set Ys.; and 4) using Bn, Xs, and Ys, a kernel-based classifier is designed for use in classifying all remaining buried objects. This framework is discussed in detail, with example results presented for an actual buried-UXO site. Numéro de notice : A2004-462 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2004.836270 En ligne : https://doi.org/10.1109/TGRS.2004.836270 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=26982 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
065-04111	RAB	Revue	Centre de documentation	En réserve L003	Disponible