Experimentos de extraccion de endmembers con MAM

0 50 100 150 200 250-0.4

-0.3

-0.2

-0.1

0

0.1

0.2

0.3

0.4

0.5

spectral bands

normalized radianceTextEnd

Extremos encontrados tomando el pixel (1,1) como inicio: 15 extremos

origen de los extremos encontrados

0 50 100 150 200 2500

1000

2000

3000

4000

5000

6000

7000endmembers en la imagen original

spectral bands

radianceTextEnd

Endmembers extraidos de la imagen original correspondientes a los extremos encontrados

Imágenes de abundancias

0 50 100 150 200 250-0.4

-0.3

-0.2

-0.1

0

0.1

0.2

0.3

0.4

0.5

spectral bands

norm

aliz

ed r

adia

nce

Extremos encontrados a partir de un espectro inicial escogido aleatoriamente: 6 endmembers

origen de los extremos encontrados

0 50 100 150 200 2500

1000

2000

3000

4000

5000

6000

7000

spectral bands

radi

ance

Endmembers extraidos de la imagen original correspondientes a los extremos encontrados.

Imágenes de abundancias de los endmembers localizados

Clasificaciones mediante SAM usando los endmembers

origen de los extremos encontrados

spectral bands

0 50 100 150 200 250-0.4

-0.3

-0.2

-0.1

0

0.1

0.2

0.3

0.4

0.5

spectral bands

norm

aliz

ed r

adia

nce

8 extremos

0 50 100 150 200 2500

1000

2000

3000

4000

5000

6000

7000

8000

9000endmembers en la imagen original

spectral bands

radianceTextEnd

0 50 100 150 200 250-0.4

-0.3

-0.2

-0.1

0

0.1

0.2

0.3

0.4

0.5

spectral bands

normalized radianceTextEnd

Prueba incluyendo los intervalos de confianza (1.5) del ruido en la busqueda de los extremos 17 extremos

origen de los extremos encontrados

0 50 100 150 200 2500

1000

2000

3000

4000

5000

6000

7000endmembers en la imagen original

spectral bands

radianceTextEnd

0 50 100 150 200 2500

1000

2000

3000

4000

5000

6000

7000

8000endmembers en la imagen original

Extremos calculados sobre los datos originales, considerando interv conf (3.5): 16

origen de los extremos encontrados

0 50 100 150 200 2500

1000

2000

3000

4000

5000

6000

7000

8000

9000endmembers en la imagen original

spectral bands

radianceTextEnd

Siguiendo la aproximacion CCA, aplicamos la cosa sobre los pixels transformados por los autovalores de la covarianza de los pixels normalizados: 3 representantes

origen de los extremos encontrados

Imágenes de abundancias

0 50 100 150 200 2500

1000

2000

3000

4000

5000

6000

7000

8000endmembers en la imagen original

spectral bands

radianceTextEnd

origen de los extremos encontrados

Idem bajando el umbral de ruido al 0.5

0 50 100 150 200 2500

1000

2000

3000

4000

5000

6000

7000

8000endmembers en la imagen original

spectral bands

radianceTextEnd

Idem con umbral 0.3: 8 extremos

origen de los extremos encontrados

0 50 100 150 200 2500

1000

2000

3000

4000

5000

6000

7000

8000endmembers en la imagen original

spectral bands

radianceTextEnd

Idem 0.2, 14 extremosorigen de los extremos encontrados

0 50 100 150 200 2500

1000

2000

3000

4000

5000

6000

7000

8000endmembers en la imagen original

spectral bands

radianceTextEnd

Con solo 11 autovectores, umbral 0.2 origen de los extremos encontrados

0 50 100 150 200 2500

1000

2000

3000

4000

5000

6000

7000

8000

9000endmembers en la imagen original

spectral bands

radianceTextEnd

Umbral 0.2, 11 extremos

0 50 100 150 200 2500

1000

2000

3000

4000

5000

6000

7000

8000

9000endmembers en la imagen original

spectral bands

radianceTextEnd

Umbral 0.15, 17 extremos