Hyperspectral remote sensing for industrial minerals identification and characterization

Hyperspectral remote sensing allows for studying large areas of interest through the physicochemical characterization of the observed surfaces.This thesis deals with the identification of minerals found on industrial sites from their reflectance spectra observed in the reflective domain [400-2500] nm. A parametric physical model is proposed to represent a spectrum as the sum of a continuum and localized spectral shapes representing absorption shapes. The first contribution is a spectral deconvolution procedure to adaptively estimate the number of absorptions in a spectrum as well as the associated parameters. This procedure is made up of three steps: continuum removal, absorptions pre-estimation, jointadjustment of continuum and absorptions. Absorptions pre-estimation is the key step, where the absorption parameters (positions, shape parameters) are estimated by an algorithm inspired by Orthogonal Matching Pursuit. This step provides spectrum decompositions for a varying number of absorption shapes, making it possible to use an order selection criterion to estimate their number. The second contribution concerns the identification of minerals for mixture spectra, inspired by a fuzzy logic method and based on the comparison of the estimated parameters with those of a predefined database. This solution takes into account the estimation uncertainties and the possible variations in the reflectance spectra of the minerals. The proposed methods are validated on numerous synthetic and real data, obtained from laboratory measurements. Processing these data raises challenging issues due to the various shapes of the absorptions, their possible overlapping, and their location over a wide range of wavelengths. In addition, extensive validation was performed on hyperspectral images acquired during the survey of two gypsum and kaolinite quarries. The minerals present on the sites are precisely identified.; La télédétection hyperspectrale permet l’étude de larges zones d’intérêt via la caractérisation physico-chimique des surfaces observées. Cette thèse concerne l’identification de minéraux rencontrés sur des sites industriels à partir de leurs spectres de réflectance observés dans le domaine réflectif [400-2500] nm. Un modèle physique paramétrique adapté est proposé pour représenter un spectre comme la somme d’un continuum et de formes spectrales localisées représentant les formes d’absorption. La première contribution est une procédure de déconvolution spectrale pour estimer adaptativement le nombre d’absorptions dans un spectre ainsi que les paramètres associés. Cette procédure est composée de trois étapes : retrait du continuum, pré-estimation des absorptions, ajustement conjoint du continuum et des absorptions. La pré-estimation des absorptions est l’étape clé, où les paramètres (positions, paramètres de formes) des absorptions sont estimés par un algorithme inspiré d’Orthogonal Matching Pursuit. Cette étape fournit des décompositions du spectre pour un nombre variable de formes d’absorption, rendant possible l’utilisation d’un critère de sélection d’ordre pour estimer leur nombre. La deuxième contribution concerne l’identification des minéraux pour des spectres de mélanges, inspirée d’une méthode de logique floue et basée sur la comparaison des paramètres estimés avec ceux d’une base de données prédéfinie. Cette solution tient compte des incertitudes d’estimation et des possibles variations des spectres de réflectance des minéraux. Les méthodes proposées sont validées sur de nombreuses données synthétiques et réelles issues de mesures en laboratoire, posant des difficultés d’analyse du fait d’absorptions de formes variées, possiblement superposées, et positionnées sur une plage très étendue de longueurs d’onde. De plus, une validation extensive a été effectuée sur des images hyperspectrales acquises dans le cadre du survol de deux carrières de gypse et de kaolinite. Les minéraux présents sur les sites sont précisément identifiés.