基于迭代逻辑回归与潜在高斯参数线性组合的高光谱阴影去除
数据分析、统计与概率
2023-12-27 v1 地球与行星天体物理
图像与视频处理
大气与海洋物理
摘要
阴影检测与去除是高光谱图像分析中的一个挑战性问题。然而，这一步骤对于甲烷检测等遥感应用的数据分析至关重要。本文中，我们开发了一种仅基于每个像素的光谱和光谱值的整体分布的阴影检测与去除方法。我们首先引入迭代逻辑回归（ILR）来学习一个光谱基，在该基上阴影可以被线性分类。然后，我们将平均辐射度和光谱投影到上述基上的投影系数的联合分布建模为高斯分布的参数线性组合。然后，我们可以提取高斯分布的最大似然混合参数来估计阴影覆盖并校正阴影光谱。我们的校正方案减少了阴影边界处的校正伪影。该阴影检测与去除方法应用于MethaneAIR（卫星MethaneSAT的前身）的高光谱图像。
引用
@article{arxiv.2312.15386,
title = {Hyperspectral shadow removal with Iterative Logistic Regression and latent Parametric Linear Combination of Gaussians},
author = {Core Francisco Park and Maya Nasr and Manuel Pérez-Carrasco and Eleanor Walker and Douglas Finkbeiner and Cecilia Garraffo},
journal= {arXiv preprint arXiv:2312.15386},
year = {2023}
}