Revue des méthodes de prétraitement des données d'imagerie hyperspectrale acquises depuis un drone

Author:

Agili Hachem1,Daniel Sylvie1,Chokmani Karem2

Affiliation:

1. Département des sciences géomatiques, Université Laval, Québec, Canada

2. Centre Eau Terre Environnement, INRS, Québec,Canada

Abstract

Les systèmes aériens sans pilote, appelés encore drones, se présentent comme une nouvelle tendance dans le domaine de la télédétection et connaissent un essor sans précédent dans le domaine civil depuis le début de la dernière décennie. Ces systèmes permettent de combler plusieurs lacunes de la télédétection aéroportée. En effet, contrairement aux avions, les drones se caractérisent par une facilité et une rapidité de mise en oeuvre, et par l’acquisition d’images à très haute résolution spatiale. Ce mode d’acquisition à coûts d’opération très réduits offre également des vols à basses altitudes réduisant ainsi les nuisances atmosphériques et l’effet des nuages fréquemment présents dans les acquisitions aéroportées. Les drones sont utilisés en combinaison avec différents capteurs imageurs. Les capteurs hyperspectraux montés sur ce type de plateforme figurent parmi les solutions en émergence. Comme toute donnée de télédétection, les données d’imagerie hyperspectrale acquises depuis un drone doivent être corrigées des différentes distorsions et dégradations avant de pouvoir être exploitées. L’utilisation du drone est encore en phase d’exploration et n’a pas encore atteint sa maturité notamment lorsqu’il est combiné avec un capteur hyperspectral. En effet, peu de travaux ont été consacrés à l’étude de ce système et de ses capacités. Cet article propose de passer en revue les différents types de distorsion affectant les données hyperspectrales acquises depuis un drone ainsi que les prétraitements à mettre en oeuvre pour les corriger.

Publisher

Canadian Science Publishing

Subject

Earth-Surface Processes,Geography, Planning and Development

Reference34 articles.

1. Hyperspectral Remote Sensing Data Analysis and Future Challenges

2. Brunna, A., C. Fischera, C. Dittmannb and R. Richterc. 2003. Quality assessment, atmospheric and geo met ric correction of airborne hyperspectral HyMap Data. 3rd EARSeL Workshop on Imaging Spectroscopy.

3. Conel, J.E., R.O.Green, G. Vane, C.J. Bruegge, R.E. Alley and B.J. Curtiss. 1987. Airborne Imaging Spectrometer: Radiometric spectral characteristics and comparison of ways to compensate for the atmosphere. Proceedings of SPIE.

Cited by 4 articles. 订阅此论文施引文献 订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3