@InProceedings{2023_sadeg1151,
	author = "Said Sadeg and Jean Cauzid and El-Hadi Djermoune and Cécile Fabre and Yingying Song and David Brie",
	title = "Estimation de la ligne de base d'images hyperspectrales",
	booktitle = "29° Colloque sur le traitement du signal et des images",
	year = "2023",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "2023-1151",
	pages = "p. 333-336",
	month = "Aout # 6 - Sept # 9",
	address = "Grenoble",
	doi = "",
	pdf = "2023_sadeg1151.pdf",
	abstract = "Cet article présente une méthode d'estimation de la tendance associée à la ligne de base pour les images hyperspectrales. La méthode est fondée sur l'optimisation d'un critère intégrant un terme robuste et non quadratique de fidélité aux données et des termes de régularisation spatiale et spectrale. Contrairement à l'approche classique basée sur une correction de ligne de base pixel par pixel, l'algorithme proposé exploite conjointement les informations spatiales et spectrales et offre une complexité linéaire en fonction de la taille de l'image. L'efficacité de l'algorithme est démontrée à l'aide de données simulées et d'une image géologique réelle en spectrométrie de fluorescence des rayons X (XRF)..pdf",
}