Résumé Technique : Démélange de Régimes Guidé par la Physique (PGRU)

Énoncé du Problème

L'imagerie hyperspectrale capture la réflectance de surface à travers des centaines de bandes, permettant la caractérisation des matériaux pour des applications en agriculture, géologie et surveillance environnementale. Cependant, en raison d'une résolution spatiale grossière par rapport à l'hétérogénéité de surface, les pixels individuels contiennent souvent des réponses spectrales mélangées provenant de plusieurs matériaux. Le démélange spectral vise à retrouver les signatures pures des matériaux (endmembers) et leurs abondances fractionnelles.

Le Modèle de Mélange Linéaire (LMM) est l'approche standard en raison de sa simplicité et de son interprétabilité physique. Cependant, le LMM suppose que les photons interagissent avec un seul matériau avant d'atteindre le capteur, une hypothèse qui échoue dans des conditions de diffusion multiple. Bien que des extensions non linéaires telles que le Modèle Binaire Généralisé (GBM), le Modèle de Mélange Post-Nonlinéaire (PPNM) et le modèle de transfert radiatif Hapke répondent à ce problème, ils appliquent généralement la non-linéarité de manière uniforme sur l'ensemble de la scène. Cette application uniforme échoue à distinguer quels pixels spécifiques nécessitent un traitement non linéaire, conduisant souvent à des performances sous-optimales. À l'inverse, les approches d'apprentissage profond (par exemple, les autoencodeurs) réalisent une forte reconstruction mais fonctionnent comme des « boîtes noires », n'offrant aucune explication physique pour la sélection de régime ou les conditions dans lesquelles la non-linéarité est active.

Méthodologie

Les auteurs proposent le Démélange de Régimes Guidé par la Physique (PGRU), un cadre qui estime un scalaire pixel par pixel $\xi_i \in [0, 1]$ pour activer le mélange non linéaire uniquement là où il est physiquement justifié. Contrairement aux méthodes précédentes, le PGRU ne nécessite pas de données étiquetées indiquant si les pixels sont linéaires ou non linéaires ; au lieu de cela, l'affectation du régime émerge de l'interaction entre l'amélioration de la reconstruction et la cohérence des caractéristiques physiques.

Formulation du Modèle

Chaque pixel $i$ est reconstruit comme suit :
$$\hat{y}_i = S_{lin,i} + \xi_i \delta_{nl,i}$$
Où :

• $S_{lin,i}$ est le composant LMM standard (abondances non négatives sommant à un).
• $\delta_{nl,i}$ est un résidu non linéaire.
• $\xi_i$ agit comme un interrupteur : $\xi_i \approx 0$ réduit le modèle au LMM, tandis que $\xi_i \approx 1$ active pleinement la contribution non linéaire.

Construction du Résidu Non Linéaire

Le résidu $\delta_{nl,i}$ est une combinaison pondérée de résidus provenant de trois modèles physiques :
$$\delta_{nl,i} = \sum_{k} \alpha_{ik} \delta_{ik}$$
Les poids $\alpha_{ik}$ sont des coefficients d'attention appris obtenus via un softmax contrôlé par température, combinant :

1. GBM : Capture la diffusion par paires entre les endmembers.
2. PPNM : Introduit une distorsion quadratique sur le mélange linéaire.
3. Hapke : Décrit la diffusion multiple basée sur la théorie du transfert radiatif.
   La régularisation par entropie sur $\alpha_{ik}$ encourage la concentration vers le mécanisme physique dominant à chaque pixel.

Estimation du Régime Guidée par la Physique

L'innovation centrale est que $\xi_i$ est guidé par des propriétés observables de la scène plutôt que par la seule erreur de reconstruction. Il est calculé comme suit :
$$\xi_i = \sigma \left( \sum_{k} w_k F_{ik} + b \right)$$
Où :

• $F_{ik}$ représente les caractéristiques physiques et géométriques du pixel $i$ (courbure spectrale, NDVI, gradient NDVI, EMP, DMP, LBP).
• $w_k$ sont des poids appris.
• $\sigma$ est la fonction sigmoïde.
  Cette formulation est équivalente à une régression logistique sur l'espace des caractéristiques, rendant la décision de régime interprétable comme une somme lisible des contributions des caractéristiques.

Fonction Objectif

Le modèle est entraîné en utilisant un gain de reconstruction par pixel $\Delta_{res,i} = \|y_i - S_{lin,i}\| - \|y_i - \hat{y}_i\|$. La fonction objectif complète $L$ est :
$$L = \sum_{i} \left[ -\tanh(\Delta_{res,i}) + \lambda_{feat}(\xi_i - \xi_{prior,i})^2 + \lambda_{sp} \xi_i \nabla^2 \xi_i \right] + \lambda_w \|w\|^2$$

• Le premier terme récompense l'activation non linéaire là où elle réduit l'erreur de reconstruction (saturée par $\tanh$).
• Le deuxième terme ancre $\xi_i$ au prior basé sur les caractéristiques, avec $\lambda_{feat}$ refroidi (annealed) pendant l'entraînement.
• Le troisième terme favorise la cohérence spatiale de la carte de régime via un régularisateur Laplacien.
• Le dernier terme est une régularisation L2 sur les poids.
  Aucune étiquette de pixel n'est utilisée ; l'affectation du régime est entièrement non supervisée.

Résultats Clés

Les auteurs ont évalué le PGRU sur trois jeux de données de référence : Samson, Jasper Ridge et Urban. Les références comprenaient LMM, GBM et PPNM.

• Précision de Reconstruction : Le PGRU a obtenu des améliorations constantes par rapport à toutes les références sur tous les jeux de données.
  • Samson : Le rRMSE est passé de 0,495 (LMM) à 0,052 (PGRU).
  • Jasper Ridge : Le rRMSE est passé de 0,347 (LMM) à 0,068 (PGRU).
  • Urban : Le rRMSE est passé de 0,331 (LMM) à 0,064 (PGRU).
  • Fait notable, les références non linéaires uniformes (GBM, PPNM) n'ont pas systématiquement surpassé le LMM, confirmant que la non-linéarité uniforme peut être contre-productive.
• Cohérence Physique : La corrélation $\rho$ entre la carte d'activation $\xi$ et le gain de reconstruction $\Delta_{res}$ a dépassé 0,90 sur tous les jeux de données (respectivement 0,93, 0,91 et 0,92), confirmant que le mélange non linéaire est activé précisément là où des améliorations de reconstruction sont observées.
• Interprétabilité : L'analyse des poids des caractéristiques a révélé un comportement adaptatif à la scène :
  • Dans Jasper Ridge, le NDVI dominait, concentrant l'activation non linéaire dans la végétation dense (diffusion multiple attendue) et la supprimant au-dessus de l'eau.
  • Dans Urban, la courbure spectrale guidait la sélection, reflétant la complexité structurelle aux limites des matériaux plutôt que les interactions végétales.
  • Les cartes spatiales (par exemple, Fig. 1) ont démontré que le modèle ancre la sélection de régime à des propriétés de scène mesurables, fournissant des explications au niveau du pixel pour pourquoi un pixel est non linéaire.

Importance et Revendications

L'article revendique que le PGRU comble une lacune critique dans le démélange spectral : déterminer pourquoi un pixel spécifique nécessite un modèle non linéaire. En ancrant le scalaire de régime $\xi_i$ dans des caractéristiques physiques observables, le modèle produit des cartes de régime interprétables sans données étiquetées.

Les auteurs affirment que la non-linéarité sélective et explicable surpasse à la fois les approches linéaires uniformes et non linéaires uniformes. Ils positionnent le PGRU comme une alternative pratique aux modèles globalement linéaires ou globalement non linéaires, offrant un terrain d'entente où la non-linéarité est appliquée uniquement là où elle est justifiée par des preuves physiques.

Les auteurs maintiennent un ton modeste concernant leurs revendications, notant que :

1. Ces résultats sont préliminaires et nécessitent une validation plus large par rapport aux références récentes d'apprentissage profond.
2. L'importance relative de l'ensemble de modèles physiques, de l'activation guidée par les caractéristiques et de la régularisation spatiale n'a pas encore été démêlée grâce à une étude d'ablation systématique.
3. Un travail futur est nécessaire pour étendre la méthode aux contextes de démélange aveugle, aux scénarios avec des étiquettes d'interaction non linéaire de vérité terrain, et aux scénarios de mélange plus complexes.