Publication:
Development of the hyperspectral coastal image analysis toolbox (hyciat) with a focus on hyperspectral and lidar data fusion

Thumbnail Image
Authors
Torres Madroñero, Maria C.
Embargoed Until
Advisor
Vélez Reyes, Miguel
College
College of Engineering
Department
Department of Electrical and Computer Engineering
Degree Level
M.E.
Publisher
Date
2008
Abstract
The Hyperspectral Coastal Image Analysis Toolbox integrates algorithms for the estimation of water optical properties, bathymetry and fractional abundances of bottom composition in a graphical interface using Matlab to perform analysis of hyperspectral images of shallow waters. The primary algorithms included in the toolbox were previously developed by students and faculty at LARSIP at University of Puerto Rico at Mayagu ̈ez. Work was also performed to add new capabilities to these existing algorithms by incorporating the capacity to fuse lidar data into the hyperspectral processing. The HyCIAT algorithms are fundamentally based on the Lee et al. [1] semi-analytical inversion model combined with linear unmixing techniques developed by Goodman [2] and Castrodad [3]. The Lee algorithm is one of the more commonly used models for the estimation of water optical properties and bathymetry from passive hyperspectral imagery. Goodman integrated the Lee model with unmixing algorithms (LIGU) to first independently derive estimates of water properties and bathymetry, and then derive the habitat composition. Castrodad similarly combined the Lee model with an unmixing algorithm (CIUB), but this derives the water properties, bathymetry and habitat composition simultaneously. Both these techniques are included in HyCIAT as well as new capabilities for both models that allow lidar bathymetry to be used as input. This work presents the HyCIAT toolbox, and evaluates model performance using both simulated data and actual airborne hyperspectral imagery. Results indicate that accuracy in parameter retrieval is increased when the lidar data is included in the models.

HyCIAT integra algoritmos para la estimación de propiedades ópticas del agua, batimetría y porcentajes de abundancias de los componentes del fondo marino en una interfaz grafica desarrollada en Matlab para el análisis y procesamiento de imágenes hiperespectrales de aguas de poca profundidad. Los algoritmos incluidos en HyCIAT fueron previamente desarrollados por estudiantes y profesores que han realizado investigaciones en LARSIP en UPRM. Este trabajo adiciona a estos algoritmos la capacidad de fusionar información de LIDAR dentro del procesamiento de imágenes hiperespectrales. Los algoritmos se basan en el modelo de Lee [1] combinado con técnicas de demezclado lineal desarrollados por Goodman [2] y Castrodad [3]. Lee es uno de los modelos más usados para la estimación de propiedades ópticas de agua y batimetría con imágenes hiperespectrales. Goodman integra el modelo de Lee con algoritmos de demezclado (LIGU) para primero derivar las propiedades ópticas del agua y batimetría, y entonces derivar la composición del hábitat. Castrodad combina similarmente el modelo de Lee con algoritmos de demezclado (CIUB), pero deriva simultáneamente las propiedades ópticas del agua, batimetría y los porcentajes de abundancia de los componentes del fondo marino. Ambas técnicas son incluidas en HyCIAT, también como la capacidad para ambos modelos de usar como entrada la batimetría capturada usando lidar. Este trabajo describe HyCIAT y evalúa el desempeño de los modelos usando imágenes simuladas e imágenes hiperespectrales. Resultados indican que la precisión incrementa en los parámetros estimados cuando información desde lidar es incluida en los modelos.
Keywords
Cite
Torres Madroñero, M. C. (2008). Development of the hyperspectral coastal image analysis toolbox (hyciat) with a focus on hyperspectral and lidar data fusion [Project Report]. Retrieved from https://hdl.handle.net/20.500.11801/2359