Déconvolution en ligne d'images hyperspectrales pour les imageurs de type pushbroom - Observatoire de la Cote d'Azur Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

Déconvolution en ligne d'images hyperspectrales pour les imageurs de type pushbroom

Yingying Song
Jie Chen
  • Fonction : Auteur
  • PersonId : 761941
  • IdRef : 200253832
Cédric Richard
David Brie

Résumé

Cet article s'intéresse à la conception d'une méthode séquentielle de déconvolution d'images hyperspectrales acquises par un imageur pushbroom. À partir de l'écriture sous forme séquentielle de l'image floutée, on propose un algorithme de type LMS (least mean squares) par bloc glissant qui inclut des termes de régularisation spatiale et spectrale. Les performances de l'algorithme sont illustrées sur des données réelles. Abstract – This paper introduces a framework based on the least mean squares (LMS) algorithm for sequential deconvolution of hyperspectral images acquired by pushbroom imaging systems. Considering a sequential model of image blurring phenomenon, we derive a sliding-block regularized LMS algorithm with spatial and spectral regularizers. The performance of the algorithm is evaluated using real hyperspectral data.
Fichier principal
Vignette du fichier
sbrlms_gretsi.pdf (130.83 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01614153 , version 1 (10-10-2017)

Identifiants

  • HAL Id : hal-01614153 , version 1

Citer

Yingying Song, El-Hadi Djermoune, Jie Chen, Cédric Richard, David Brie. Déconvolution en ligne d'images hyperspectrales pour les imageurs de type pushbroom. XXVIe Colloque GRETSI Traitement du Signal & des Images, GRETSI 2017, Sep 2017, Juan-Les-Pins, France. ⟨hal-01614153⟩
423 Consultations
177 Téléchargements

Partager

Gmail Facebook X LinkedIn More