Réponses:
Le terme signature spectrale fait référence à la relation entre la longueur d'onde (ou fréquence) du rayonnement électromagnétique et la réflectance de la surface. La signature est affectée par plusieurs éléments, notamment la composition et la structure du matériau. Certaines parties du spectre EMR, comme la région micro-ondes, sont plus sensibles à la structure de la surface que d'autres régions. Nous utilisons la signature spectrale (ou des parties plus souvent échantillonnées de celle-ci - des bandes d'images satellites) pour déduire des choses sur la surface telles que la composition (par exemple la végétation, le sol nu, etc.).
Une caractéristique d'autre part est simplement un objet en paysage. Par exemple, une entité peut être un champ de culture uniforme, une route ou un bâtiment, ou toute autre partie du paysage. Nous essayons souvent d'identifier des caractéristiques en utilisant leurs signatures spectrales, en supposant l'uniformité, ce qui n'est pas toujours le cas. Parfois, plutôt que de classer les pixels en fonction de leurs seules signatures spectrales, nous essayons également de prendre en compte des relations spatiales telles que la proximité de pixels similaires. Cela est courant, par exemple, avec la segmentation d'image basée sur des objets, qui tente d'identifier des entités à l'aide d'une combinaison de caractéristiques spectrales et spatiales.
Une signature spectrale est une quantité mesurable (par exemple, la réflectivité, l'émissivité), qui varie en fonction de la longueur d'onde et peut être utilisée pour identifier un matériau. Pour obtenir une signature, la quantité doit être mesurée à un nombre suffisant de longueurs d'onde (et à une résolution spectrale suffisamment fine) pour que le matériau puisse être distingué des autres matériaux. Par exemple, une image RVB (convertie en réflectance), fournit des informations de réflectivité à trois longueurs d'onde (rouge, vert et bleu); cependant, cela ne serait généralement pas considéré comme une signature spectrale car il ne fournit pas d'informations adéquates pour discriminer divers matériaux (par exemple, les pixels contenant de l'herbe, du gazon artificiel ou un court de tennis vert peuvent sembler presque identiques dans les images RVB). Les signatures spectrales sont généralement obtenues soit à partir d' hyperspectral images ou avec des spectromètres portables.
Le terme «caractéristique» peut avoir plusieurs sens. Bien qu'il puisse faire référence à une caractéristique spatiale (ou à un objet), dans le domaine spectral, cela signifie généralement quelque chose de tout à fait différent. Une caractéristique spectrale pourrait être les données de mesure spectrale d'origine (par exemple, la réflectivité) mais c'est souvent quelque chose dérivé des mesures spectrales, généralement en créant des transformations linéaires ou non linéaires des valeurs de données originales. Les caractéristiques spectrales sont souvent créées pour réduire la dimensionnalité des données spectrales avant de poursuivre le traitement. Des exemples de caractéristiques linéaires sont ceux obtenus à partir de l' analyse des composants principaux (PCA) ou de l'analyse discriminante linéaire (LDA) . Un exemple de caractéristique non linéaire est l' indice de végétation par différence normalisée (NDVI), qui est une différence mise à l'échelle entre les bandes rouge et proche infrarouge d'un pixel d'image.
Il existe de nombreux types de caractéristiques spectrales qui peuvent être extraites des données spectrales et la meilleure dépend des détails de ce que vous essayez d'accomplir. Il s'agit d'un domaine de recherche active. Pour en savoir plus sur certaines techniques et applications, je recommande de commencer par une recherche sur le Web pour "extraction des caractéristiques spectrales".