Module 10 : Analyse d’images hyperspectrales

Question 1

Quelle est la résolution de l’imagerie hyperspectrale?

Answer 1

Haute résolution

Question 2

Combien de canaux on utilise en imagerie hyperspectrale?

Answer 2

50 à 900

Question 3

En quoi consiste l’imagerie hyperspectrale?

Answer 3

L’imagerie hyperspectrale consiste en une acquisition simultanée d’images en de nombreuses bandes spectrales étroites et contiguës.

Question 4

Nommez des caractéristiques de l’imagerie hyperspectrale (4)

Answer 4

• Très haute résolution spectrale (10nm)
• Permet d’extraire des informations sur les substances composant les matériaux imagés
• Nombre de bandes assez grand donc les différences plus fines entre les signatures qui semblent similaires sont visibles (permet de discriminer les classes)
• Résolution spatiale variable : 17m, 506m, 15m, 30m…

Question 5

Comment les données hyperspectrales sont-elles visualisées généralement?

Answer 5

Sous la forme de cube de données.

Question 6

C’est quoi un spectromètre?

Answer 6

Appareil destiné à la mesure de la répartition d’un rayonnement complexe en fonction de la longueur d’onde ou de la fréquence s’il s’agit d’ondes, de la masse ou de l’énergie des particules individuelles s’il s’agit de particules.

Question 7

Que peut-on faire avec des données hyperspectrales? (applications)

Answer 7

• Suivi des cultures
• Suivi et contrôle du stress de la végétation,
• Déversement d’hydrocarbures et autres composants chimiques,
• Industrie minière,
• Détection de changement dans la composition minéral des sols,
• Intervention sur les zones de catastrophe,
• Aménagement des terres,
• Sécurité alimentaire,
  et plus encore

Question 8

Avantage des données hyperspectrales?

Answer 8

• Résolution spectrale améliorée

- Bonne résolution spatiale

Question 9

Quel problème cause le nombre important de bandes présentes dans les images hyperspectrales?

Answer 9

Temps de traitement des données vrm fucken long

Question 10

Quel est le Fléau de la dimension?

Answer 10

nos affichages sont toujours en RVB -> 3 dimensions représentées. On rencontre des problèmes quand lorsque on cherche à analyser ou organiser des données dans des espaces dont la dimension est grande relativement au nombre d’observations.

Question 11

Quel est le problème lié à la dimension des données hyperspectrales?

Answer 11

Lorsque le nombre de dimensions augmente, le volume de l’espace croît rapidement si bien que les données se retrouvent « isolées » et deviennent éparses (surclassification).

Question 12

Vrai ou faux? Sur le plan statistique, plus on a de dimensions analysées, plus il faut d’échantillons pour arriver à une convergence

Answer 12

Vrè

Question 13

Problèmes liés aux données hyperspectrales? (5)

Answer 13

• Compression et transmission des données
• Il y a une forte redondance dans les données
• Images généralement bruitées
• Comment extraire l’information pertinente de toutes ces données?
• Quelles bandes utiliser pour quels besoins?

Question 14

Quels prétraitements doivent être faits pour exploiter les images hyperspectrales?

Answer 14

• Réduction de la dimensionnalité
• Sélection des bandes
• Extraction des Endmembers

Question 15

C’est quoi un endmember?

Answer 15

Endmember : composant « pur » présentant une signature spectrale pure et idéale, utilisé pour identifier des classes spectrales.

Question 16

Quels genre de traitements on peut faire sur des images hyperspectrales?

Answer 16

• Détection d’anomalies (Connaissant la signature des éléments ‘attendus’ (sécurité alimentaire))
• Détection de cibles
• Analyse des pixels mixtes (classification, quantification, identification)
• Compression de données
• Caractérisation de signature spectrale

Question 17

Quelles sont les principales techniques pour faire la réduction des données? (Réduction de la dimension spectrale)

Answer 17

• Analyse en composantes principales

- Transformée en ondelettes

Question 18

C’est quoi le but de l’analyse en composantes principales?

Answer 18

Réduire le nombre de dimensions (bandes) et produire une compression de l’information de plusieurs bandes dans un nombre plus restreint de bandes.

Ces nouvelles bandes s’appellent composantes principales.

Transformation orthogonale du système d’axes qui vise à rassembler, statistiquement, le plus d’information possible dans un nombre le plus restreint possible de dimensions.

Question 19

Comment on fait la sélection des bandes pour l’analyse en composantes principales? (techniques)

Answer 19

• Sélection uniforme des bandes
• Sélection basée sur des statistiques (moyenne, variance, dissymétrie, aplatissement…)
• Sélection contrainte des bandes (liée à la corrélation)

Question 20

Comment procède a méthode Spectral Angle Mapper?

Answer 20

On compare la signature spectrale du pixel avec une signature spectrale connue (déterminée au laboratoire ou sur le terrain avec un radiomètre).

• Les signatures spectrales du pixel et de la référence sont représentées par des vecteurs
• La méthode consiste à calculer l’angle entre ces 2 vecteurs

Question 21

Dans quels cas la méthode Spectral Angle Mapper fonctionne-t-elle bien?

Answer 21

Dans des zones où la surface est homogène.

Question 22

Quel est le résultat de la classification Spectral Angle Mapper?

Answer 22

Le résultat de la classification SAM est une image présentant le meilleur match pour chaque pixel.

Question 23

C’est quoi un pixel mixte?

Answer 23

Un mélange de plusieurs signatures au sein d’un pixel.

Question 24

C’est quoi le démixage spectral?

Answer 24

Le démixage spectral consiste à déterminer les proportions de chaque composant commun au sein du pixel.

Question 25

Comment s’effectue le démixage spectral? (Étapes)

Answer 25

• Décomposition du pixel en ses différents matériaux de base (endmembers)
• Détermination de la proportion (i.e. abondance) de chaque endmember dans le pixel
• Hypothèse: Proportions spatiales = proportions spectrales

Question 26

Comment on fait pour sélectionner des endmembers?

Answer 26

• Bibliothèques de signatures spectrales
• Acquisition de signatures spectrales in-situ en utilisant un spectroradiomètre portatif
• Extraction des pixels « purs » directement à partir de l’image (s’il en existe). Nécessite une reconnaissance sur le terrain.

Question 27

C’est quoi la méthode Pixel Purity Index?

Answer 27

C’est la recherche de pixels purs dans l’espace multidimensionnel des paramètres. Ils sont généralement situés aux extrémités.