Analysis of spectral variability in hyperspectral imagery with application to biodiversity estimation

Abstract

This work presents a newly developed destriping algorithm for Hyperion hyperspectral imagery as well as methods to detect spectral homogeneity within hyperspectral images. Hyperion has been in operation for over a decade and provides a vast archive of hyperspectral data. The Hyperion data, however, suffers from several issues that degrade its quality. One of the most severe issues is strong vertical striping. Current available destriping algorithms for Hyperion do not provide satisfactory results, leaving behind newly generated stripes from erroneous stripe estimation. A new method called Local Median Removal is proposed to remove existing stripes introducing minimal new artifacts. The high spectral resolution of hyperspectral data can in theory, according to the spectral variation hypothesis, allow inference about the spatial heterogeneity of species of remotely sensed objects. A model of the spectra is proposed that shows that the mean squared amplitude of a group of spectra in an individual band is proportional to the variance of the spectra if all the spectra come from the same object. Statistical testing methods are proposed that will test a group of spectra, in which each band has been normalized by that bands mean squared amplitude, to determine if those spectra are all from a single object. The proposed methods were tested on synthetic and real-world data and show that they are able to detect class homogeneity even when the spectra tested come from two different objects with very similar spectra.

Este trabajo presenta un algoritmo nuevo, desarrollado hacia la eliminación de rayas de imágenes hiperespectrales para Hyperion, así como métodos para detectar la homogeneidad del espectro dentro de imágenes hiperespectrales. Hyperion ha estado en operación por más de una década y proporciona un vasto archivo de datos hiperespectrales. Los datos de Hyperion, sin embargo, sufren de varios problemas que degradan su calidad. Uno de los problemas más graves es la presencia de rayas verticales fuertes. Los algoritmos para la eliminación de rayas actuales de Hyperion no proporcionan resultados satisfactorios, dejando rayas generadas recientemente de estimación banda errónea. Se propone un nuevo método llamado de eliminación media local para eliminar franjas existentes introduciendo nuevos artefactos mínimos. La alta resolución espectral de los datos hiperespectrales puede, en teoría, de acuerdo con la hipótesis de variación espectral, permiten inferir sobre la heterogeneidad espacial de las especies de los objetos obtenidos por teledetección. Un modelo de los espectros se propone que muestra que la amplitud cuadrático medio de un grupo de espectros en una banda individual es proporcional a la diferencia de los espectros de si todos los espectros provienen de un mismo objeto. Se proponen métodos de pruebas estadísticas que pondrán a prueba a un grupo de espectros, en el que cada grupo ha sido normalizado por la que las bandas significa amplitud al cuadrado, para determinar si los espectros son todas de un solo objeto. Los métodos propuestos se pusieron a prueba en los datos sintéticos y en el mundo real y muestran que son capaces de detectar la homogeneidad de clase incluso cuando los espectros puestas a prueba a partir de dos objetos diferentes con espectros muy similares.