Tamtam Proceedings - lamsin

ACP neuronale 1354,04,5Average MSE value of the reconstitution processAverage MSE value of the reconstitution process3,54,0Mean-Square-Error3,02,5Mean-Square-Error3,53,02,01 2 3 4 5 62,51 2 3 4 5 6Order of the original/reconstituted spectral imagesOrder of the original/reconstituted spectral imagesFigure 4. MSE dans ACP neuronale.Figure 5. MSE dans ACP statistique.6. ConclusionL’ACP neuronale pour l’extraction des CP de l’image multispectrale sans avoir àcalculer la matrice de covariance est présentée. L’algorithme d’apprentissage a étéétabli et implémenté de sorte que l’exécution du logiciel soit totalement indépendantede l’utilisateur. Les résultats obtenus montrent l’efficacité de l’approche. La capacité decompression est prouvée en reconstituant les images spectrales avec un minimumd’erreurs au sens des moindres carrées. La précision des résultats est satisfaisante. Uneétude comparative entre l’ACP neuronale et l’ACP statistique est également effectuée.L’étude a prouvé que l’ACP neuronale est légèrement supérieure à l’ACP statistique.5. Bibliographie[1] J. A. Richards and J. A. Xia, Remote Sensing Digital Image Analysis. An Introduction, 3 ndEdition, Springer-erlag, Berlin, 1999.[2] S. Haykin, Neural Networks, a Comprehensive Foundation, 2 nd Edition, Prentice-Hall, 1999.[3] A. J. Richard, and D. W. Wichern, Applied Multivariate Statistical Analysis. 2 nd Edition,Prentice Hall International, New Jersey, 1988.TAMTAM –Tunis– 2005