Segmentation de zones d'intérêt par processus objets : application à la détection des réseaux de failles sismiques

• Auteur / Autrice : Barna Keresztes
• Direction : Pierre Baylou, Olivier Lavialle, Monica Borda
• Type : Thèse de doctorat
• Discipline(s) : Automatique, productique, signal et image
• Date : Soutenance le 07/12/2009
• Etablissement(s) : Bordeaux 1 en cotutelle avec Universitatea tehnică (Cluj-Napoca, Roumanie)
• Ecole(s) doctorale(s) : École doctorale des sciences physiques et de l’ingénieur (Talence, Gironde ; 1995-....)
• Jury : Président / Présidente : Marina Topa
• Jury : Examinateurs / Examinatrices : Christian Germain, Xavier Descombes, Ioan Nafornita, Romulus Mircea Terebes

Mots clés

Mots clés contrôlés

Failles (géologie)

Détecteurs

Mots clés libres

Imagerie sismique

Processus objet

Détection des failles

Résumé

Cette thèse présente une nouvelle approche pour la détection de failles sismiques. Notre but est d'améliorer la qualité de détection en calculant les attributs classiques sur un support basé sur les connaissances a priori des objets. Plusieurs supports sont considérés : le filtrage linéaire utilisant des segments de longueur fixe et de direction variable, ainsi qu’un algorithme stochastique : les processus objet. Pour simuler ces processus, on propose deux modèles : soit utilisant une chaîne de segments, soit utilisant une courbe pour décrire une faille. Une des intérêts de cette méthode est qu’elle offre la possibilité d’utiliser un support commun pour les différents détecteurs de failles. On peut donc envisager un système pour fusionner les différents attributs utilisant les processus objet.

This thesis presents a new approach for seismic fault detection. Its goal is to increase the detection accuracy by computing some classical attributes on a support founded on an a priori knowledge about the faults. Several forms of support are proposed: a linear filtering method using fixed length segments of variable direction, respectively using a stochastic algorithm: the marked point processes. To simulate this process we propose two object models, using a network of connected linear segments and a more complex curved support which aims to describe each fault using one object. One interest of this approach is the possibility of using a common support for different fault detection operators. Then a whole detection framework can be proposed which acts like a decision fusion process.