Clustering gerarchico di matrici iperspettrali

Questo elaborato ha lo scopo di presentare un algoritmo di clustering gerarchico per matrici iperspettrali ad alta risoluzione. Dato un set di immagini che contiene copie della stessa fotografia scattate a diverse lunghezza d’onda luminose, l’obiettivo è quello di determinare gli elementi che appaiono nell’immagine. Gli algoritmi che permettono di separare gli elementi costitutivi di un’immagine sono detti algoritmi di blind hyperspectral unmixing e trovano applicazioni in svariati campi tra cui l’analisi delle immagini. In particolare, sono utilizzati in medicina per esaminare le culture batteriche e in radiologia per la diagnostica di immagini, in chimica per analizzare il risultato di alcune reazioni e per monitorare l’inquinamento, ma anche nell’industria alimentare per controllare la qualità del cibo.