Sub-pixel target detection in LWIR hyperspectral imagery using ground leaving radiance
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The processing chain leading to specific material detection in hyperspectral imagery implies the use of atmospherically corrected images of emissivity or reflectance before comparing image signatures to a database of materials' signatures. This is a sensible approach for the reflective hyperspectral bands l and when the pixels are completely filled with a uniform material in the LWIR bands (8 to 12 microns). In the LWIR, the atmospheric correction process is different of what is used in the reflective bands and involves the use of a temperature and emissivity separation process (TES). If the pixel is not filled with a uniform material and the measured radiance is produced from the mix of materials having different emissivity and temperatures, the output of the TES will not be linear in temperature and in emissivity and will be contaminated by the non-linear mix of the temperature and emissivity of the materials leading to a potential for confusion during the detection process. In this paper, we propose a detection approach using the ground leaving radiance that is used directly to perform detection using emissivity signatures contained in a database. The detection results using this process are compared with the detection results using the output of a TES algorithm. The study is performed in simulation without noise and with the exact knowledge of the downwelling irradiance. The results show that a detection algorithm using the ground leaving radiance performs better than its counterpart using the emissivity when the difference in temperature increases.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle