Lois Gamma multivariées pour le traitement d'images radar

Multivarite Gamma based distributions for RADAR imaging

• Auteur / Autrice : Florent Chatelain
• Direction : Jean-Yves Tourneret
• Type : Thèse de doctorat
• Discipline(s) : Traitement de l'image et mathématiques appliquées
• Date : Soutenance en 2007
• Etablissement(s) : Toulouse, INPT

Mots clés

Mots clés contrôlés

Polarimétrie

Estimation, Théorie de l'

Analyse multivariée

Radar à antenne synthétique

Pearson type 3, Loi de

Mots clés libres

Mesures de similarité

Résumé

Dans de nombreux systèmes d'imagerie et notamment dans des systèmes d'imagerie active tels que le RADAR, l'amplitude du front de l'onde étudiée est classiquement modélisée par une loi gaussienne complexe. Les intensités mesurées correspondent alors au carré du module des lois gaussiennes complexes. L'estimation des paramètres, appliquée à des problèmes de détection, nécessite de connaître alors précisément les statistiques des intensités reçues. L'objet de cette thèse consiste à étudier des extensions multivariées des lois paramétriques, telles que les lois Gamma, rencontrées dans de tels systèmes d'imagerie. Les lois multivariées étudiées s’avèrent particulièrement utiles pour résoudre de nombreux problèmes d’estimation et de détection rencontrés en traitement de l’image. Cette modélisation multivariée permet en effet de tenir compte des diverses corrélations entre les données observées. Ces corrélations peuvent être temporelles, spatiales ou entre plusieurs capteurs.

The wavefront amplitude of many optical systems can be modeled as a sum of complex components distributed according to Gaussian distributions. In particular this is the case for active imaging sytems such as RADAR systems. The resulting intensity measurements are the sum of the squared modulus of these complex Gaussian components. Parameter estimation and detection problems require to determine accurately the statistical properties of the collected intensities. The subject of this thesis consists of studying families of multivariate gamma based distributions useful to solve estimation and detection problems in different image processing applications. Multivariate extensions of the uni-dimensional gamma distribution make possible to model the spatial correlations of the observed data as well as the correlation between different images. Therefore, these distributions are potentially interesting for parameter estimation and detection in many applications.