Thèse : Classification non supervisée de données hyperspectrales codées par tests statistiques

Résumé

L’imagerie hyperspectrale enregistre simultanément l’information spatiale et spectrale d’une scène, chaque pixel étant décrit par un spectre de quelques dizaines à quelques centaines de bandes. Cette richesse spectrale ouvre la voie à de nombreuses applications, dont certaines reposent sur la classification spectrale pour différencier et identifier les matériaux.
Traditionnellement, ces données sont acquises par balayage du cube hyperspectral, ce qui implique des temps d’acquisition élevés et des grands volumes de données. Pour pallier ces limitations, des dispositifs d’imagerie comprimée instantannée ont été développés, tels que le DD-CASSI (Dual-Disperser Coded Aperture Snapshot Spectral Imager), qui repose sur l’utilisation d’un masque codé. Au lieu d’un cube hyperspectral complet, on obtient des acquisitions codées. Sur chaque acquisition, en chaque pixel, on obtient une combinaison linéaire des composantes spectrales. Ces combinaisons linéaires dépendent du masque et de la dispersion du système. La stratégie classique consiste alors à reconstruire le cube complet, puis de faire la classification à partir de ce cube. Mais cette reconstruction est coûteuse et peut introduire des artefacts. La voie alternative proposée dans cette thèse consiste à développer une méthode opérant directement sur les données codées, sans passer par une étape de reconstruction. Ainsi, cette thèse propose une méthode de classification non supervisée à partir des données codées.
La méthode proposée s’appuie sur l’exploitation des corrélations spectro-spatiales via l’hypothèse de séparabilité (SA1) dans les régions homogènes, introduite par Ardi (2020) dans le cadre de la reconstruction hyperspectrale. Plus précisément, on considère qu’une image hyperspectrale peut se décomposer en régions homogènes, chacune étant caractérisée par un spectre de référence unique, pondéré par des variations locales d’intensité. Dans le contexte de cette thèse, cette hypothèse peut être vue comme une modélisation simple de la variabilité spectrale intraclasse. Afin d’évaluer localement cette hypothèse, des tests statistiques sont appliqués sur des régions candidates. Pour cela, nous supposons que le bruit photonique, classiquement modélisé par une loi de Poisson, peut être approximé par un bruit gaussien, et exploitons des tests de gaussianité.
En me basant sur l’hypothèse de séparabilité et des tests de gaussianité, j’ai proposé un algorithme itératif de classification non supervisée des données codées, CHOUCROUTE, reposant sur trois étapes principales : détection, croissance et fusion de régions homogènes appartenant à une même classe. L’algorithme proposé a été évalué sur des scènes hyperspectrales synthétiques et réalistes. Sur données synthétiques, il fournit des classifications cohérentes et proches de la vérité terrain. Sur données réalistes, l’évaluation est plus délicate en raison de la fiabilité limitée des annotations disponibles. Celles-ci ne rendent pas toujours compte de la complexité spectrale des scènes et peuvent biaiser la comparaison. L’étude inclut également une analyse de la sensibilité des résultats de classification aux choix des paramètres de l’algorithme. Ces expériences soulignent que les incertitudes liées la vérité terrain rendent délicate l’évaluation des méthodes de classification.

Abstract

Hyperspectral imaging simultaneously captures the spatial and spectral information of a scene, with each pixel containing a spectrum of several dozen to several hundred bands. This spectral richness enables a wide range of applications, many of which rely on spectral classification to distinguish and identify materials.
Traditionally, hyperspectral data are acquired by scanning the cube, a process that requires long acquisition times and generates large data volumes. To address these limitations, compressed snapshot imagers have been developed, such as the DD-CASSI (Dual-Disperser Coded Aperture Snapshot Spectral Imager), which relies on a coded mask. Instead of producing a full hyperspectral cube, these instruments yield coded measurements in which each pixel contains a linear combination of spectral components determined by the mask and the system’s dispersion. The standard approach is to first reconstruct the complete cube and then apply classification methods, but this reconstruction is computationally demanding and may introduce artifacts. An alternative, explored in this thesis, is to operate directly on the coded data without a reconstruction step. Thus, this thesis proposes an unsupervised classification method based on coded data.
The proposed method relies on the exploitation of spectro-spatial correlations through the Separability Assumption (SA) in homogeneous regions, introduced by Ardi (2020) in the context of hyperspectral reconstruction. More precisely, a hyperspectral image is considered to be decomposable into homogeneous regions, each characterized by a unique reference spectrum weighted by local intensity variations. In this thesis, this assumption is regarded as a simple model of intraclass spectral variability. To locally evaluate this assumption, statistical tests are applied to candidate regions. For this purpose, we assume that photon noise, classically modeled by a Poisson distribution, can be approximated by Gaussian noise, and we make use of gaussianity tests.
Based on the Separability Assumption and gaussianity tests, I proposed an iterative unsupervised classification algorithm for coded data, named CHOUCROUTE, which operates in three steps : detection, growth, and fusion of homogeneous regions belonging to the same class.
The proposed algorithm was evaluated on both synthetic and realistic hyperspectral scenes. On synthetic data, it provides coherent classifications that closely match the ground truth. On realistic data, however, evaluation is more challenging due to the limited reliability of the available annotations, which do not always capture the spectral complexity of the scenes and may bias the comparison. The study also includes an analysis of the sensitivity of the classification results to the algorithm’s parameter choices. These experiments highlight that uncertainties in the ground truth make the evaluation of classification methods particularly delicate.