Titre du document / Document title

Filtrage et segmentation d'images radar polarimétriques = Filtering and segmentation of polarimetric radar images

Auteur(s) / Author(s)

Saad Ali ; Barba D. (Directeur de thèse) ;

Affiliation(s) du ou des auteurs / Author(s) Affiliation(s)

Université de Nantes, Nantes, FRANCE (Université de soutenance)

Résumé / Abstract

Cette thèse s'inscrit dans le domaine du traitement et de l'analyse automatique d'images radar, et plus spécialement des images ROS (Radar a Ouverture Synthétique) polarimétriques. Elle concerne plus spécifiquement, le filtrage du bruit de speckle dans les images ROS ainsi que la segmentation automatique des données ROS polarimétriques. Pour réduire le speckle qui est un bruit granulaire nuisant à la visibilité des cibles dans les images, nous avons conçu une méthode de filtrage scalaire basée sur la modification de contraste dans une représentation multirésolution, et un filtrage vectoriel adaptatif traitant les données ROS polarimétriques réelles. Ce filtrage est basé sur la notion d'ordre vectoriel ainsi que sur la généralisation du coefficient de variation scalaire au cas vectoriel. L'évaluation de performances de ces nouvelles techniques de filtrage a été réalisée et nous avons comparé celles-ci à un ensemble de filtres types servant de référence. Par ailleurs, une étude montrant l'intérêt du filtrage vectoriel par rapport au filtrage scalaire a été effectuée. La deuxième partie importante de cette thèse est la segmentation automatique des images radar. Celle-ci est réalisée en deux étapes. La première fournit une pré-segmentation automatique et utilise des algorithmes rapides de groupement multidimensionnel de type centres mobiles et des critères d'informations statistiques pour rendre optimal le nombre de classes choisi. La deuxième étape est l'affinage de la pré-segmentation obtenue par la première. Cet affinage est réalisé par une approche statistique utilisant le critère MAP (Maximum A Posteriori). Pour la modélisation de la distribution statistique des données dans chaque région, deux lois ont été comparées. Les champs de MARKOV sont utilisés pour modéliser la distribution statistique des régions dans l'image. L'optimisation du critère MAP a été effectuée par deux approches. La première approche, de type déterministe, est implémentée par l'algorithme ICM (Iterative Conditional Modes). Elle est très rapide mais converge vers un optimum local. L'autre, de type stochastique (le recuit simulé), converge vers un optimum global au prix d'un temps de traitement très important. Nous avons enfin réalisé une comparaison de la segmentation utilisant des données filtrées et des données non filtrées. Elle montre l'intérêt du filtrage pour la segmentation

Source / Source

Travaux Universitaires - Thèse nouveau doctorat
1996  [Note(s) :  [178 p.]] (bibl.: 113 ref.)  (Année de soutenance : 1996) (N^o :  96 NANT 2049)

Langue / Language

Français

Mots-clés anglais / English Keywords

Image processing ; Adaptive filtering ; Segmentation ; Synthetic aperture radar ; Image analysis ; Speckle ; Markov model ; Multiresolution analysis ;

Mots-clés français / French Keywords

Traitement image ; Filtrage adaptatif ; Segmentation ; Radar ouverture synthétique ; Analyse image ; Speckle ; Modèle Markov ; Analyse multirésolution ;

Mots-clés espagnols / Spanish Keywords

Procesamiento imagen ; Filtrado adaptable ; Segmentación ; Radar abertura sintética ; Análisis imagen ; Diagrama mancha ; Modelo Markov ; Análisis multiresolución ;

Localisation / Location

INIST-CNRS, Cote INIST : T 107922,