Déconvolution en ligne d'images hyperspectrales pour les imageurs de type pushbroom

Cet article s'intéresse à la conception d'une méthode séquentielle de déconvolution d'images hyperspectrales acquises par un imageur pushbroom. À partir de l'écriture sous forme séquentielle de l'image floutée, on propose un algorithme de type LMS (least mean squares) par bloc glissant qui inclut des termes de régularisation spatiale et spectrale. Les performances de l'algorithme sont illustrées sur des données réelles. Abstract – This paper introduces a framework based on the least mean squares (LMS) algorithm for sequential deconvolution of hyperspectral images acquired by pushbroom imaging systems. Considering a sequential model of image blurring phenomenon, we derive a sliding-block regularized LMS algorithm with spatial and spectral regularizers. The performance of the algorithm is evaluated using real hyperspectral data.