Description
Date depot: 1 janvier 1900
Titre: Nouveaux modèles d'images pour la restauration, la compréhension et la détection de changements en imagerie radar
Directrice de thèse:
Florence TUPIN (LTCI (EDMH))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
L'imagerie radar est entrée dans un nouvel âge d'or avec le lancement de nombreux capteurs comme TerraSAR-X ou TanDEM-X. Les nouvelles données acquises ont une résolution de l'ordre du métre et des potentiels interférométriques et polarimétriques accrus.
Malgré ces améliorations, l'exploitation des données radar reste difficile. Paradoxalement, le gain en résolution a soulevé de nouveaux problèmes en exacerbant les spécificités de ces capteurs: exceptionnelle dynamique, sur-représentation des échos forts en milieu urbain, distorsions géométriques. La difficulté d'interprétation des données SAR reste entière, nécessitant la prise en compte de la géométrie, de la hauteur des objets et de leur rugosité pour aboutir à une compréhension de la scène.
Parallélement, le domaine du traitement d'images a connu des progès considérables dans la modélisation adaptative des images. Ainsi, les représentations parcimonieuses fournissent une représentation compacte dans un dictionnaire redondant (ex: union de bases d'ondelettes, dictionnaire directement appris sur l'image). Ces méthodes offrent la possibilité de concevoir des modèles statistiques capables de capturer les structures spécifiques présentes dans les scènes radar. Au-delà de la prise en compte du bruit de speckle, la prédominance de cibles ponctuelles et de structures linéaires peut être intégrée dans un modèle général du signal radar.
L'objectif de ce travail doctoral est de contribuer à l'exploitation des données radar qui seront acquises dans les dix prochaines années. L'axe de recherche principal sera l'apprentissage de modèles statistiques dédiés à l'imagerie radar puis leur application à la restauration (réduction du speckle) et à la compréhension (classification) des images radar à synthèse d'ouverture. Ils seront mis en oeuvre dans le contexte spécifique de la détection de changements sur des données de hautes résolution. Le LTCI dispose de plusieurs séries temporelles sur lesquelles ces nouveaux modèles pourront être testés.
Doctorant.e: Tabti Sonia