{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3420961"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3420961","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Nonlinear Spectral Unmixing Using Hapke Model and Neural Networks","abstract":"Τα πλανητικά σώματα στο ηλιακό μας σύστημα παρακολουθούνται από δορυφόρους, παρέχοντας συνεχής και ακριβής μετρήσεις για την ατμόσφαιρα και την επιφάνειά τους. Οι μετρήσεις παίρνουν την μορφή υπερφασματικής εικόνας η οποία μπορεί καταγράφει πληθώρα μήκη κύματος της λαμβανόμενης ηλεκτρομαγνητική ακτινοβολίας, επιτρέποντας στους ερευνητές να αναλύσουν την χημική σύσταση και τις φυσικές ιδιότητες της επιφάνειας. Οι υπερφασματικές εικόνες αξιοποιούνται για τον εντοπισμό των υλικών που βρίσκονται στην επιφάνεια και η διαδικασία του φασματικού διαχωρισμού επιτρέπει την αποσύνθεση στα επιμέρους φασματικά υλικά και στις αναλογίες τους. Ο πρωταρχικός στόχος αυτής της διπλωματικής εργασίας είναι η ανάπτυξη μιας μεθοδολογίας που μπορεί να χρησιμοποιηθεί στο μη γραμμικό φασματικό διαχωρισμό, δοθέντος ότι τα συνιστάμενα υλικά είναι γνωστά. Η προσέγγιση ενσωματώνει τη θεωρία ανάκλασης του Hapke για τη δημιουργία ενός συνόλου δεδομένων από εργαστηριακά υλικά που βρίσκονται στην επιφάνεια της Σελήνης και χρησιμοποιεί Βαθιά Νευρωνικά Δίκτυα για την πρόβλεψη των αναλογιών τους. Η μελέτη ξεκινά με μια επισκόπηση των βασικών εννοιών της τηλεπισκόπησης και συνεχίζει με μια εις βάθος ανάλυση για τη δημιουργία Νευρωνικού δικτύου πρόσθιας τροφοδότησης. Στη συνέχεια, παρουσιάζεται η προτεινόμενη μεθοδολογία, παρέχοντας πληροφορίες για τη μετατροπή της ανάκλασης σε λευκαύγεια μεμονωμένης σκέδασης χρησιμοποιώντας το μοντέλο του Hapke καθώς και τη δημιουργία μοντέλου εκτίμησης αναλογιών. Διεξάγονται διάφορα πειράματα για να αξιολογηθεί η επίδραση του αριθμού των υλικών στα μείγματα και των διαφορετικών προσεγγίσεων της εξίσωσης του Hapke. Τα αποτελέσματα δείχνουν πολλά υποσχόμενες δυνατότητες για την πρόβλεψη αναλογίας, αφήνοντας περιθώριο για περαιτέρω διερεύνηση του μη γραμμικού φασματικού διαχωρισμού με τη χρήση φυσικών και προηγμένων μοντέλων.","abstract_html":"Τα πλανητικά σώματα στο ηλιακό μας σύστημα παρακολουθούνται από δορυφόρους, παρέχοντας συνεχής και ακριβής μετρήσεις για την ατμόσφαιρα και την επιφάνειά τους. Οι μετρήσεις παίρνουν την μορφή υπερφασματικής εικόνας η οποία μπορεί καταγράφει πληθώρα μήκη κύματος της λαμβανόμενης ηλεκτρομαγνητική ακτινοβολίας, επιτρέποντας στους ερευνητές να αναλύσουν την χημική σύσταση και τις φυσικές ιδιότητες της επιφάνειας. Οι υπερφασματικές εικόνες αξιοποιούνται για τον εντοπισμό των υλικών που βρίσκονται στην επιφάνεια και η διαδικασία του φασματικού διαχωρισμού επιτρέπει την αποσύνθεση στα επιμέρους φασματικά υλικά και στις αναλογίες τους. Ο πρωταρχικός στόχος αυτής της διπλωματικής εργασίας είναι η ανάπτυξη μιας μεθοδολογίας που μπορεί να χρησιμοποιηθεί στο μη γραμμικό φασματικό διαχωρισμό, δοθέντος ότι τα συνιστάμενα υλικά είναι γνωστά. Η προσέγγιση ενσωματώνει τη θεωρία ανάκλασης του Hapke για τη δημιουργία ενός συνόλου δεδομένων από εργαστηριακά υλικά που βρίσκονται στην επιφάνεια της Σελήνης και χρησιμοποιεί Βαθιά Νευρωνικά Δίκτυα για την πρόβλεψη των αναλογιών τους. Η μελέτη ξεκινά με μια επισκόπηση των βασικών εννοιών της τηλεπισκόπησης και συνεχίζει με μια εις βάθος ανάλυση για τη δημιουργία Νευρωνικού δικτύου πρόσθιας τροφοδότησης. Στη συνέχεια, παρουσιάζεται η προτεινόμενη μεθοδολογία, παρέχοντας πληροφορίες για τη μετατροπή της ανάκλασης σε λευκαύγεια μεμονωμένης σκέδασης χρησιμοποιώντας το μοντέλο του Hapke καθώς και τη δημιουργία μοντέλου εκτίμησης αναλογιών. Διεξάγονται διάφορα πειράματα για να αξιολογηθεί η επίδραση του αριθμού των υλικών στα μείγματα και των διαφορετικών προσεγγίσεων της εξίσωσης του Hapke. Τα αποτελέσματα δείχνουν πολλά υποσχόμενες δυνατότητες για την πρόβλεψη αναλογίας, αφήνοντας περιθώριο για περαιτέρω διερεύνηση του μη γραμμικού φασματικού διαχωρισμού με τη χρήση φυσικών και προηγμένων μοντέλων.","abstract_has_math":false,"creators":["Αναστασίου Ευτυχία","Anastasiou Eftychia"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:30:51Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3420961"],"render_values":[{"text":"uoadl:3420961","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3420961","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3420961","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3420961","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Αναστασίου Ευτυχία","Anastasiou Eftychia"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3420961","https://pergamos.lib.uoa.gr/uoa/dl/object/3420961"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα πλανητικά σώματα στο ηλιακό μας σύστημα παρακολουθούνται από δορυφόρους, παρέχοντας συνεχής και ακριβής μετρήσεις για την ατμόσφαιρα και την επιφάνειά τους. Οι μετρήσεις παίρνουν την μορφή υπερφασματικής εικόνας η οποία μπορεί καταγράφει πληθώρα μήκη κύματος της λαμβανόμενης ηλεκτρομαγνητική ακτινοβολίας, επιτρέποντας στους ερευνητές να αναλύσουν την χημική σύσταση και τις φυσικές ιδιότητες της επιφάνειας. Οι υπερφασματικές εικόνες αξιοποιούνται για τον εντοπισμό των υλικών που βρίσκονται στην επιφάνεια και η διαδικασία του φασματικού διαχωρισμού επιτρέπει την αποσύνθεση στα επιμέρους φασματικά υλικά και στις αναλογίες τους. Ο πρωταρχικός στόχος αυτής της διπλωματικής εργασίας είναι η ανάπτυξη μιας μεθοδολογίας που μπορεί να χρησιμοποιηθεί στο μη γραμμικό φασματικό διαχωρισμό, δοθέντος ότι τα συνιστάμενα υλικά είναι γνωστά. Η προσέγγιση ενσωματώνει τη θεωρία ανάκλασης του Hapke για τη δημιουργία ενός συνόλου δεδομένων από εργαστηριακά υλικά που βρίσκονται στην επιφάνεια της Σελήνης και χρησιμοποιεί Βαθιά Νευρωνικά Δίκτυα για την πρόβλεψη των αναλογιών τους. Η μελέτη ξεκινά με μια επισκόπηση των βασικών εννοιών της τηλεπισκόπησης και συνεχίζει με μια εις βάθος ανάλυση για τη δημιουργία Νευρωνικού δικτύου πρόσθιας τροφοδότησης. Στη συνέχεια, παρουσιάζεται η προτεινόμενη μεθοδολογία, παρέχοντας πληροφορίες για τη μετατροπή της ανάκλασης σε λευκαύγεια μεμονωμένης σκέδασης χρησιμοποιώντας το μοντέλο του Hapke καθώς και τη δημιουργία μοντέλου εκτίμησης αναλογιών. Διεξάγονται διάφορα πειράματα για να αξιολογηθεί η επίδραση του αριθμού των υλικών στα μείγματα και των διαφορετικών προσεγγίσεων της εξίσωσης του Hapke. Τα αποτελέσματα δείχνουν πολλά υποσχόμενες δυνατότητες για την πρόβλεψη αναλογίας, αφήνοντας περιθώριο για περαιτέρω διερεύνηση του μη γραμμικού φασματικού διαχωρισμού με τη χρήση φυσικών και προηγμένων μοντέλων.","Planetary bodies in our solar system can be monitored with satellites to provide repetitive and consistent measurements of their atmosphere and surface. The measurements can have the form of a hyperspectral image that captures light across a wide range of wavelengths, allowing scientists to analyze the chemical composition and physical properties of the surface. Hyperspectral images can be used to identify materials that are present in a surface and the process of spectral unmixing can help unravel the spectral information of individual materials, known as endmembers, and their corresponding proportional fractions, known as abundances. The primary focus of this thesis is to develop a methodology that can be used in nonlinear spectral unmixing for abundance estimation, assuming the endmembers are known. The approach incorporates Hapke photometric model for creating a dataset from laboratory minerals found on the Moon's surface and uses Deep Neural Networks for abundance estimation. The study starts with an overview of the basic remote sensing concepts and continues with an in-depth analysis for the creation of Deep Feedforward Neural Network. The proposed methodology is then presented providing insights on the transformation of reflectance to single scattering albedo using Hapke’s model and the creation of a model for abundance estimation. Several experiments are conducted to assess the impact of varying the number of materials in the mixtures and different implementations of Hapke’s equation. The results demonstrate promising potential for abundance estimation, opening the door to further exploration of nonlinear spectral unmixing utilizing both physical models and more advanced data analysis techniques."]},{"key":"dc:title","label":"Title","values":["Nonlinear Spectral Unmixing Using Hapke Model and Neural Networks"]}]}],"canonical_facts":{"dc:creator":["Αναστασίου Ευτυχία","Anastasiou Eftychia"],"dc:date":["2024"],"dc:description":["Τα πλανητικά σώματα στο ηλιακό μας σύστημα παρακολουθούνται από δορυφόρους, παρέχοντας συνεχής και ακριβής μετρήσεις για την ατμόσφαιρα και την επιφάνειά τους. Οι μετρήσεις παίρνουν την μορφή υπερφασματικής εικόνας η οποία μπορεί καταγράφει πληθώρα μήκη κύματος της λαμβανόμενης ηλεκτρομαγνητική ακτινοβολίας, επιτρέποντας στους ερευνητές να αναλύσουν την χημική σύσταση και τις φυσικές ιδιότητες της επιφάνειας. Οι υπερφασματικές εικόνες αξιοποιούνται για τον εντοπισμό των υλικών που βρίσκονται στην επιφάνεια και η διαδικασία του φασματικού διαχωρισμού επιτρέπει την αποσύνθεση στα επιμέρους φασματικά υλικά και στις αναλογίες τους. Ο πρωταρχικός στόχος αυτής της διπλωματικής εργασίας είναι η ανάπτυξη μιας μεθοδολογίας που μπορεί να χρησιμοποιηθεί στο μη γραμμικό φασματικό διαχωρισμό, δοθέντος ότι τα συνιστάμενα υλικά είναι γνωστά. Η προσέγγιση ενσωματώνει τη θεωρία ανάκλασης του Hapke για τη δημιουργία ενός συνόλου δεδομένων από εργαστηριακά υλικά που βρίσκονται στην επιφάνεια της Σελήνης και χρησιμοποιεί Βαθιά Νευρωνικά Δίκτυα για την πρόβλεψη των αναλογιών τους. Η μελέτη ξεκινά με μια επισκόπηση των βασικών εννοιών της τηλεπισκόπησης και συνεχίζει με μια εις βάθος ανάλυση για τη δημιουργία Νευρωνικού δικτύου πρόσθιας τροφοδότησης. Στη συνέχεια, παρουσιάζεται η προτεινόμενη μεθοδολογία, παρέχοντας πληροφορίες για τη μετατροπή της ανάκλασης σε λευκαύγεια μεμονωμένης σκέδασης χρησιμοποιώντας το μοντέλο του Hapke καθώς και τη δημιουργία μοντέλου εκτίμησης αναλογιών. Διεξάγονται διάφορα πειράματα για να αξιολογηθεί η επίδραση του αριθμού των υλικών στα μείγματα και των διαφορετικών προσεγγίσεων της εξίσωσης του Hapke. Τα αποτελέσματα δείχνουν πολλά υποσχόμενες δυνατότητες για την πρόβλεψη αναλογίας, αφήνοντας περιθώριο για περαιτέρω διερεύνηση του μη γραμμικού φασματικού διαχωρισμού με τη χρήση φυσικών και προηγμένων μοντέλων.","Planetary bodies in our solar system can be monitored with satellites to provide repetitive and consistent measurements of their atmosphere and surface. The measurements can have the form of a hyperspectral image that captures light across a wide range of wavelengths, allowing scientists to analyze the chemical composition and physical properties of the surface. Hyperspectral images can be used to identify materials that are present in a surface and the process of spectral unmixing can help unravel the spectral information of individual materials, known as endmembers, and their corresponding proportional fractions, known as abundances. The primary focus of this thesis is to develop a methodology that can be used in nonlinear spectral unmixing for abundance estimation, assuming the endmembers are known. The approach incorporates Hapke photometric model for creating a dataset from laboratory minerals found on the Moon's surface and uses Deep Neural Networks for abundance estimation. The study starts with an overview of the basic remote sensing concepts and continues with an in-depth analysis for the creation of Deep Feedforward Neural Network. The proposed methodology is then presented providing insights on the transformation of reflectance to single scattering albedo using Hapke’s model and the creation of a model for abundance estimation. Several experiments are conducted to assess the impact of varying the number of materials in the mixtures and different implementations of Hapke’s equation. The results demonstrate promising potential for abundance estimation, opening the door to further exploration of nonlinear spectral unmixing utilizing both physical models and more advanced data analysis techniques."],"dc:identifier":["uoadl:3420961","https://pergamos.lib.uoa.gr/uoa/dl/object/3420961"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Nonlinear Spectral Unmixing Using Hapke Model and Neural Networks"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:30:51Z"}