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

Cet article s'interesse a la conception d'une methode sequentielle de deconvolution d'images hyperspectrales acquises par un imageur pushbroom. A partir de l'ecriture sous forme sequentielle de l'image floutee, on propose un algorithme de type LMS (least mean squares) par bloc glissant qui inclut des termes de regularisation spatiale et spectrale. Les performances de l'algorithme sont illustrees sur des donnees reelles. 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.