Atividade: “Que animal queres dramatizar?”

La convergence des algorithmes NMF peut dépendre de l’initialisation, comme expliqué

dans le chapitre "Etat de l’art en SAS". Nous avons donc entrepris de tester nos algorithmes

dans différents cas d’initialisation, d’abord sans utiliser d’information a priori et ensuite en

utilisant une information a priori sur les coefficients de mélange.

4.2.2.1 Initialisations sans information a priori : init 1 et init 2

Dans la configuration où aucune information a priori sur les coefficients de mélange ou les

spectres n’est disponible, les algorithmes seront testés avec les initialisations suivantes :

• La matrice_Aˆ: la matrice de mélange estimée est initialisée aléatoirement par une loi

uni-forme entre 0 et 1 puis est normalisée pour respecter les contraintes liées aux coefficients

de mélange de la partie linéaire et quadratique.

• La matrice _Sˆ : pour cette matrice, 2 initialisations différentes ont été testées :

1. Initialisation avec des spectres constants de valeurs 0.5 (valeur choisie car les spectres

ont des valeurs entre 0 et 1).

2. Initialisation avec l’algorithme d’extraction de spectres N-FINDR [82] utilisé pour

trouver K spectres ("endmembers"), K étant le nombre total de spectres présents

dans la matriceS (comme défini dans la section 3.4 du chapitre précédent), en

comp-tant donc aussi les spectres issus du produit de deux spectres. On considère donc

nos termes quadratiques comme des spectres supplémentaires (cela peut paraître

étonnant mais se justifie : avec des termes quadratiques, les données ne forment

plus un simplex et donc il est difficile de s’attendre de toute façon à un résultat

précis de N-FINDR).

Nous avons donc ici 2 méthodes d’initialisation différentes, qu’on désignera par init 1 et

init 2, sachant que la différence résidera dans l’initialisation des spectres uniquement, étant

donné que l’initialisation de la matrice de mélange se fera de la même manière aléatoire dans

les deux cas.

4.2.2.2 Initialisation avec information a priori sur les coefficients : init 3

Il est aussi intéressant de voir comment réagissent les algorithmes à une initialisation plus

proche de la réalité des mélanges. On se met ici dans le cas où l’on suppose que l’on connaît

les coefficients de mélange avec une certaine erreur de précision, à 20 % près par exemple.

Les spectres seront initialisés par des constantes. On désignera cette initialisation parinit 3.

Cela peut correspondre au cas réaliste où l’on a à disposition, pour la même scène, une

image hyperspectrale et une image panchromatique à haute résolution (ce sera par exemple

le cas avec le projet Hypxim [129]). L’image panchromatique peut alors nous fournir

approxi-mativement les proportions des différents matériaux présents dans chaque pixel ainsi que leur

nombre, en effectuant une segmentation ou classification par exemple.

400 600 800 1000 1200 1400 1600 1800 2000 2200 2400 0 0.2 0.4 0.6 0.8 longueur d’onde (nm) asphalte pelouse terre

Figure 4.1 – Spectres de réflectance des matériaux de sol

4.2.3 Présentation des données synthétiques

Pour les tests présentés sur images synthétiques, on considèrera des petites images de 2

ou 3 matériaux, avec les contributions dues aux réflexions, donc avec les termes quadratiques

présents dans notre modèle. On ne considèrera pas les termes au carré, mais cela ne change

rien sur le principe (on supposera juste qu’il n’y a pas de réflexions entre 2 surfaces d’un même

matériau).

4.2.3.1 Génération des images

Les images sont formées de la manière suivante. Une imageX correspond à 2 ou 3 spectres

de matériaux, stockés dans une matrice S, mélangés par une matrice de mélange A:X =AS

• La matrice S contient les 2 ou 3 spectres des matériaux qui seront contenus dans les

pixels, en plus des produits deux à deux de ces spectres (elle contiendra doncN spectres :

lesM spectres des matériaux et leurs produits 2 à 2).

• La matrice de mélange, qui sera alors de taille P ×N (avec P nombre de pixels de

l’imagette), sera générée comme suit, pour chaque pixel :

– Les coefficients de la partie linéaire sont générés aléatoirement, uniformément sur

l’intervalle [0,1] puis normalisés pour avoir une somme à 1.

– Les coefficients de la partie quadratique sont générés suivant une loi normale de

moyenne 0.1 et d’écart-type 0.15, N(0.1,0.15) (d’après les valeurs constatées au

cha-pitre 2 pour ces coefficients), puis sont projetés sur l’intervalle [0, 0.5] (si une valeur

est en dehors de l’intervalle on lui affecte la valeur de la borne la plus proche).

4.2.3.2 Matériaux utilisés

Les spectres utilisés pour ces images correspondent aux matériaux suivants, qui sont

re-présentatifs de ce que l’on peut trouver en milieu urbain :

– matériaux pour le sol : asphalte, pelouse, terre

– matériaux pour les murs : béton, brique, aluminium

85 4.2. CONDITIONS DE TEST

400 600 800 1000 1200 1400 1600 1800 2000 2200 2400 0.2 0.4 0.6 0.8 longueur d’onde (nm) beton brique aluminium

Figure4.2 – Spectres de réflectance des matériaux de murs

correlation spectres materiaux

1 2 3 4 5 6 1 2 3 4 5 6 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Figure 4.3 – Coefficients de corrélation entre les spectres des matériaux : 1. asphalte, 2.

pelouse, 3. terre, 4. béton, 5. brique, 6. aluminium

Sur les figure 4.1 et 4.2 sont tracés les spectres de ces matériaux

1

. Comme on peut le voir,

mis à part le spectre de la végétation, les autres spectres se ressemblent beaucoup. Sur la figure

4.3 on rappelle les coefficients de corrélation entre ces différents matériaux, déjà montrés au

chapitre précédent.

Les spectres utilisés contiennent 126 échantillons dans l’intervalle spectral [0.4, 2.5 µm].

4.2.3.3 Cas étudiés

On étudiera les cas d’imagettes contenant 2 matériaux puis 3 matériaux. Notre modèle

de mélange et les méthodes qui seront testées sont adaptés au cas urbain, avec la présence de

structures 3D. Différents cas seront étudiés ici, correspondant à des configurations réalistes.

• Cas 1 : 2 matériaux

Ce cas correspond en milieu urbain à la configuration décrite sur la figure 4.4, c’est-à-dire

lorsque le capteur, pour un pixel donné, voit une partie du sol et une partie d’un mur. La

contribution reçue contient donc ces deux matériaux et le produit de la réflexion entre

1. Ces spectres viennent de la base de données MEMOIRES développée par l’Onera : www.onera.fr/dota/memoires/index.php

ᵨ

1

ᵨ

2

sensor (1 pixel)

<ᵨ>

Figure4.4 – Illustration du cas 1 de mélange avec 2 matériaux

1 2 3 4 5 6 7 8 9

sol asphalte asphalte asphalte pelouse pelouse pelouse terre terre terre

mur béton brique aluminium béton brique aluminium béton brique aluminium

Tableau 4.1 – Cas de 2 matériaux - Les 9 couples de matériaux utilisés pour les imagettes

eux. Les données vérifient le mélange suivant de deux matériaux :

x

i

=a

₁

(i)s

1

+a

₂

(i)s

2

+a

_1,2

(i)s

1

⊙s

2

(4.5)

On prendra donc pour ce cas des couples de spectres dont un correspond à un matériau

au sol et l’autre à un matériau de mur. Cela nous donne 9 combinaisons possibles et

donc 9 couples, qui sont définis dans le tableau 4.1.

Avec chaque couple de spectres, on génèrera 20 images à partir de 20 matrices de mélange

différentes (ces 20 matrices de mélange sont les mêmes pour tous les couples). On a donc

9x20 images différentes sur lesquelles seront testés nos algorithmes.

• Cas 2 : 3 matériaux

On considèrera ici pour chaque trio de spectres, deux spectres de matériaux de sol et un

spectre de mur. Le cas étudié ici pourrait donc être illustré par l’exemple de la figure

4.5, où l’on a deux matériaux au sol et un au mur et des interactions possibles entre les

trois. Cela correspond donc au mélange suivant :

x

i

=a

1

(i)s

1

+a

2

(i)s

2

+a

3

(i)s

3

+a

1,2

(i)s

1

⊙s

2

+a

1,3

(i)s

1

⊙s

3

+a

2,3

(i)s

2

⊙s

3

(4.6)

On se retrouve ici aussi avec 9 combinaisons possibles de spectres et on aura donc comme

précédemment 9x20 images. Les trios de spectres sont listés dans le tableau 4.2.

• Cas 3 : 3 matériaux sans s

1

⊙s

2

87 4.2. CONDITIONS DE TEST

ᵨ

1

ᵨ

2 sensor(1 pixel) <

ᵨ

>

ᵨ

3

Figure4.5 – Illustration du cas 2 de mélange avec 3 matériaux

1 2 3 4 5 6 7 8 9

sol asphalte asphalte asphalte asphalte asphalte asphalte pelouse pelouse pelouse

sol pelouse pelouse pelouse terre terre terre terre terre terre

mur béton brique aluminium béton brique aluminium béton brique aluminium

Tableau 4.2 – Cas de 3 matériaux - Les 9 trios de matériaux utilisés pour les imagettes

sol situés sur la même surface. Il n’y a donc pas de réflexions entre eux. Ce cas correspond

à la configuration de la figure 4.4, mais avec 2 matériaux au sol (au lieu d’un seul). On

prend donc ici les même matrices que dans le cas précédent (cas 2), sauf que dans les

matrices de mélange les coefficientsa

₁₂

sont tous nuls. On a donc l’équation de mélange

suivante :

x

i

=a

₁

(i)s

1

+a

₂

(i)s

2

+a

₃

(i)s

3

+a

_1,3

(i)s

1

⊙s

3

+a

_2,3

(i)s

2

⊙s

3

(4.7)

Les trios de spectres utilisés restent les mêmes.

• Cas 4 : 3 matériaux sans s

1

⊙s

2

et sans s

3

Ce cas correspond à la configuration précédente (cas 3) mais dans le cas où le capteur

est en visée nadir (c.à.d. que la direction de visée est perpendiculaire à la scène), ce qui

arrive fréquemment. Le mur n’est donc pas vu par le capteur, on a juste sa contribution

par l’intermédiaire des termes quadratiques (les réflexions). Cela correspond au mélange

suivant :

x

i

=a

₁

(i)s

1

+a

₂

(i)s

2

+a

_1,3

(i)s

1

⊙s

3

+a

_2,3

(i)s

2

⊙s

3

(4.8)

L’étude de ces différents cas va nous permettre de comparer les algorithmes et de voir leurs

performances et limitations. Les cas étudiés correspondent à des configurations réalistes et sont

une première étape avant de passer à des images réelles.

No documento Fatores motivacionais no pré- escolar : projeto "O Cuquedo" (páginas 85-93)