Recherche Avancée

Thèse soutenue

Évaluation de la résolution d'un instrument optique par une méthode neuronale : application à une image quelconque de télédétection

FR
Auteur / Autrice : Jean-Marc Delvit
Direction : Sylvie Roques
Type : Thèse de doctorat
Discipline(s) : Signal, image
Date : Soutenance en 2003
Etablissement(s) : Toulouse, ENSAE

Résumé

FR

La connaissance de la résolution d’un instrument permet de comparer les caractéristiques de plusieurs imageurs, coopératifs ou non et d’améliorer en terme de qualité les images issues de ces instruments. Mais, le terme de résolution reste assez vague et a été l'objet de nombreuses définitions. La résolution est ce qui caractérise la capacité d’un système imageur à fournir une image dans laquelle on pourra distinguer des détails plus ou moins petits. Nous définissons comme résolution le triplet {échantillonnage, bruit, Fonction de Transfert de Modulation} Nous proposons, dans ce travail, d’évaluer la Fonction de transfert de modulation (FTM) et le bruit pour un pas d’échantillonnage donné à partir d’une image quelconque sans utiliser d’image de référence. Il faut remarquer que deux images quelconques auront a priori deux résolutions différentes, donc deux triplets différents, mais aussi deux paysages différents. C’est un des problèmes majeurs de cette étude, problème qui nécessite de modéliser un paysage quelconque. Les phénomènes à modéliser sont complexes et noué-linéaires ; pour ces raisons, nous avons choisi d’utiliser des réseaux de neurones artificiels (RNA). En effet, les RNA sont des modèles non linéaires simples, comportant peu de paramètres. Ils sont en plus d’excellents interpolateurs. En pratique, il s’agit dans un premier temps de trier les images selon leur type de paysage. Des paysages très structurés (urbains) sont utiles pour estimer la FTM et des paysages peu structurés (ruraux) sont utiles pour estimer le bruit. Ensuite, il est essentiel de caractériser chacune des composantes du triplet. Le RNA apprend à associer, grâce à des images connues, la caractérisation de chacune des composantes du triplet à la résolution de l’image considérée. Cette caractérisation est une étape essentielle au bon fonctionnement de la méthode. Il s’agit de trouver des paramètres pertinents pour l’estimation du triplet résolution. Pour cela, nous utilisons une caractérisation du paysage, certaines propriétés fréquentielles des images ainsi que des propriétés issues de l'analyse des images en paquets d’ondelettes. Enfin, le RNA peut être utilisé de manière autonome sur des images inconnues pour estimer leur triplet résolution. Le résultat est une estimation de la FTM avec des erreurs moyennes de 5% et une estimation de bruit avec des erreurs de l’ordre du 1/4 de pas de quantification (sur l'écart type du bruit) pour des images codées sur 8 bits.