Bayesian signal processing techniques for hyperspectral image unmixing

Διδακτορική Διατριβή uoadl:1309563 287 Αναγνώσεις

Μονάδα:
Τομέας Επικοινωνιών και Επεξεργασίας Σήματος
Βιβλιοθήκη Σχολής Θετικών Επιστημών
Ημερομηνία κατάθεσης:
2012-04-05
Έτος εκπόνησης:
2012
Συγγραφέας:
Θεμελής Κωνσταντίνος
Στοιχεία επταμελούς επιτροπής:
Θεοδωρίδης Σέργιος Καθηγ.(Επιβλέπων), Αθανάσιος Ροντογιάννης Ερευνητής Β΄, Κωνσταντίνος Κουτρούμπας Ερευνητής Β΄
Πρωτότυπος Τίτλος:
Bayesian signal processing techniques for hyperspectral image unmixing
Γλώσσες διατριβής:
Αγγλικά
Περίληψη:
Τεχνικές επεξεργασίας σήματος κατά Bayes για το φασματικό διαχωρισμό
υπερφασματικών εικόνων
Η διατριβή αυτή παρουσιάζει ένα πλαίσιο καινοτόμων τεχνικών επεξεργασίας
σήματος κατά Bayes, οι οποίες έχουν αναπτυχθεί ειδικά για το φασματικό
διαχωρισμό υπερφασματικών δεδομένων. Τα υπερφασματικά δεδομένα αποτελούνται από
εκατοντάδες ή χιλιάδες εικόνες της ίδιας γεωγραφικής περιοχής, οι οποίες έχουν
δειγματοληπτηθεί σε διαφορετικό μήκος κύματος. Τα σύγχρονα συστήματα
τηλεπισκόπησης εκμεταλλεύονται τη φασματική αυτή πληροφορία των υπερφασματικών
δεδομένων, είτε για την ανίχνευση στόχων, ή για τον εντοπισμό υλικών στην
εικόνα. Φασματικός διαχωρισμός είναι η διαδικασία κατά την οποία τα
αναμεμειγμένα εικονοστοιχεία της υπερφασματικής εικόνας αποσυντίθεται στα
συνιστώμενα φασματικά υλικά τους και στις ποσοστιαίες αναλογίες αυτών σε κάθε
εικονοστοιχείο.
Αξιοποιώντας το πλαίσιο των τεχνικών κατά Bayes, αναπτύσσεται ένα ιεραρχικό
μοντέλο κατά Bayes, το οποίο χρησιμοποιεί τη κατανομή Laplace ως εκ των
προτέρων κατανομή για τις παραμέτρους των ποσοστιαίων αναλογιών. Η εκ των
προτέρων κατανομή Laplace χρησιμοποιείται ευρέως στη συμπιεστική δειγματοληψία
κατά Bayes, καθώς αντιστοιχεί στη χρήση της l1 νόρμας του περίφημου τελεστή
lasso και είναι ταυτόχρονα γνωστή για την επιβολή της αραιότητας. Αυτή η αρχική
ιδέα επεκτείνεται στο προτεινόμενο μοντέλο, το οποίο χρησιμοποιεί μία
ανεξάρτητη εκ των προτέρων κατανομή Laplace για κάθε ένα συντελεστή του
διανύσματος των αναλογιών. Το προτεινόμενο μοντέλο μπορεί στη συνέχεια να
λογιστεί ως το κατά Bayes ανάλογο του προσαρμοστικού τελεστή lasso. Για τον
συμπερασμό κατά Bayes, αναπτύσσεται μια αποτελεσματική μέθοδο, γνωστή ως
Bayesian inference iterative conditional expectations (BI-ICE). Η μέθοδος αυτή
μπορεί να θεωρηθεί ως μία ντετερμινιστική προσέγγιση του δειγματολήπτη κατά
Gibbs, αλλά μπορεί να θεωρηθεί επίσης ως μία προσέγγιση πρώτων ροπών των
παρεκκλίνουσων μεθόδων προσέγγισης. Πειραματικά αποτελέσματα σε προσομοιωμένα
και πραγματικά υπερφασματικά δεδομένα δείχνουν ότι η προτεινόμενη μέθοδος
συγκλίνει γρήγορα, προάγει την αραιότητα των αναλογιών και παρέχει βελτιωμένη
ακρίβεια εκτίμησης σε σύγκριση με άλλες σχετικές μεθόδους.
Λέξεις-κλειδιά:
φασματικός διαχωρισμός, στατιστική επεξεργασία σήματος, ανάλυση κατά Bayes, αραιή παλινδρόμηση, υπερφασματικά δεδομένα
Ευρετήριο:
Ναι
Αρ. σελίδων ευρετηρίου:
1-11
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
129
Αριθμός σελίδων:
173
Αρχείο:
Δεν επιτρέπεται η πρόσβαση στο αρχείο. H πρόσβαση επιτρέπεται μόνο εντός του δικτύου του ΕΚΠΑ.

document.pdf
8 MB
Δεν επιτρέπεται η πρόσβαση στο αρχείο. H πρόσβαση επιτρέπεται μόνο εντός του δικτύου του ΕΚΠΑ.