Subpixel Analyse van Hyperspectrale Remote Sensing Beelden.

Datum: 1 februari 2016

Locatie: UAntwerpen, Campus Drie Eiken, Promotiezaal Q0.02 - Universiteitsplein 1 - 2610 Antwerpen-Wilrijk

Tijdstip: 14 uur

Organisatie / co-organisatie: Departement Fysica

Promovendus: Muhammad Awais Akhter

Promotor: Paul Scheunders & Rob Heylen

Korte beschrijving: Doctoraatsverdediging Muhammad Awais Akhter - Faculteit Wetenschappen, Departement Fysica



Abstract

De aanwezigheid van gemengde pixels (die meer dan één materiaal bevatten) is onvermijdelijk in hyperspectrale data. Dit heeft een negatieve invloed op de resultaten van analyse algoritmen ontwikkeld voor afstandsgebaseerde detectie toepassingen, zoals doel detectie en het in kaart brengen van landbedekking. Daarom is er een behoefte aan het extraheren van informatie op subpixel niveau. Om aan deze eis te voldoen is het gebied van de spectrale ontmenging ontwikkeld. Spectrale ontmenging heeft twee stappen: Ten eerste worden de zuivere materialen die in de scène aanwezig zijn geïdentificeerd. Vervolgens wordt de fractionele aanwezigheid van elk van deze materialen in elke pixel afgeleid. De meeste ontmenging algoritmes zijn gebaseerd op een lineair model, wat veronderstelt dat een pixel spectrum een convexe lineaire combinatie is van pure spectra, gewogen met de bijbehorende fracties.

In dit werk worden de fractionele abundanties van bekende pure spectra geschat met behulp van geometrie gebaseerde benaderingen. Deze geometrie gebaseerde ontmenging algoritmes maken gebruik van convexe geometrie, en lossen het probleem op door het projecteren van de data naar het dichtstbijzijnde punt binnen een simplex opgespannen door de pure spectra. Deze simplex wordt eerst geconstructeerd als een doorsnede van vlakken en half-ruimtes. Vervolgens wordt het Dykstra algoritme gebruikt om de projectie op deze doorsnede te vinden.

Verder zijn er nieuwe technieken voor een aantal specifieke afstandsgebaseerde detectie toepassingen ontwikkeld, zoals detectie van subpixel doelwitten of landbedekking, wat sterk gerelateerd is aan spectrale ontmenging. Voor doeldetectie worden de concepten van geometrisch gebaseerd spectrale ontmenging gecombineerd met een detectie filter. Door het doelwit als één van de pure spectra te beschouwen, kunnen achtergrond pixels worden geïdentificeerd, wat kan worden gebruikt om de statistische gegevens voor de detectie filter te berekenen. In subpixel mappen wordt een hoge resolutie classificatiemap verkregen met behulp van spectrale ontmenging resultaten. Hiervoor worden een ruimtelijke structuur statistiek (GETIS index) en extra informatie in de vorm van gelabelde segmenten in een hoge resolutie kleurbeeld gebruikt.