Analýza hyperspektrálních obrazových dat

Abstract

Diplomová práce se zabývá metodou analýzy hyperspektrálních dat – hyperspektrálním rozkladem. Snímky pořízené v oblasti vzdáleného snímání jsou zatíženy jevem spektrálního míchání. Algoritmy hyperspektrálního rozkladu umožňují identifikovat hlavní složky zaznamenaného snímku (endmembers) a jejich rozložení na zaznamenané scéně (abundance). Jedním z důležitých kroků hyperspektrálního rozkladu je odhad průběhů těchto hlavních složek. V rámci této práce je popsané dělení metod odhadu hlavních složek se zaměřením na geometrické přístupy. Vybrané algoritmy z této skupiny byly popsány a byla testována jejich účinnost. Testy byly provedeny v programu Matlab na vybraných snímcích z reálných systémů, a také na synteticky vytvořených datech.Thesis deals with the method of analysis of hyperspectral data - hyperspectral unmixing. The images captured in the area of remote sensing are affected by the effect of spectral mixing. The algorithms of hyperspectral unmixing aim to identify the endmembers (materials within a scene) and their relative abundance. Important part of the unmixing is endmember estimation. This work describes the division of methods for endmember estimation, with a focus on geometric approaches. Selected algorithms were described and their efficiency was tested. The tests were performed in Matlab on selected images from real systems, as well as on synthetically generated data.