Filtrage et segmentation d'images radar polarimetriques

Filtering and segmentation of polarimetric radar images

• Auteur / Autrice : Ali Saad
• Direction : Dominique Barba
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées
• Date : Soutenance en 1996
• Etablissement(s) : Nantes

Résumé

Cette these s'inscrit dans le domaine du traitement et de l'analyse automatique d'images radar, et plus specialement des images ros (radar a ouverture synthetique) polarimetriques. Elle concerne plus specifiquement, le filtrage du bruit de speckle dans les images ros ainsi que la segmentation automatique des donnees ros polarimetriques. Pour reduire le speckle qui est un bruit granulaire nuisant a la visibilite des cibles dans les images, nous avons concu une methode de filtrage scalaire basee sur la modification de contraste dans une representation multiresolution, et un filtrage vectoriel adaptatif traitant les donnees ros polarimetriques reelles. Ce filtrage est base sur la notion d'ordre vectoriel ainsi que sur la generalisation du coefficient de variation scalaire au cas vectoriel. L'evaluation de performances de ces nouvelles techniques de filtrage a ete realisee et nous avons compare celles-ci a un ensemble de filtres types servant de reference. Par ailleurs, une etude montrant l'interet du filtrage vectoriel par rapport au filtrage scalaire a ete effectuee. La deuxieme partie importante de cette these est la segmentation automatique des images radar. Celle-ci est realisee en deux etapes. La premiere fournit une pre-segmentation automatique et utilise des algorithmes rapides de groupement multidimensionnel de type centres mobiles et des criteres d'informations statistiques pour rendre optimal le nombre de classes choisi. La deuxieme etape est l'affinage de la pre-segmentation obtenue par la premiere. Cet affinage est realise par une approche statistique utilisant le critere map (maximum a posteriori). Pour la modelisation de la distribution statistique des donnees dans chaque region, deux lois ont ete comparees. Les champs de markov sont utilises pour modeliser la distribution statistique des regions dans l'image. L'optimisation du critere map a ete effectuee par deux approches. La premiere approche, de type deterministe, est implementee par l'algorithme icm (iterative conditional modes). Elle est tres rapide mais converge vers un optimum local. L'autre, de type stochastique (le recuit simule), converge vers un optimum global au prix d'un temps de traitement tres important. Nous avons enfin realise une comparaison de la segmentation utilisant des donnees filtrees et des donnees non filtrees. Elle montre l'interet du filtrage pour la segmentation