Extraction du fouillis de mer dans des images radar marin cohérent : modèles de champ de phases, méthodes de Boltzmann sur réseau, apprentissage

Sea clutter extraction from coherent marine radar images : phase field models, lattice Boltzmann method, machine learning

• Auteur / Autrice : Jordan Michelet
• Direction : Michel Berthier, Laurent Mascarilla
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques et applications
• Date : Soutenance le 16/12/2022
• Etablissement(s) : La Rochelle
• Ecole(s) doctorale(s) : École doctorale Euclide (La Rochelle ; 2018-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Mathématiques, Image et Applications (La Rochelle)
• Jury : Président / Présidente : Pierre Sagaut
• Jury : Examinateurs / Examinatrices : Michel Berthier, Laurent Mascarilla, Pierre Sagaut, Antonin Chambolle, Benjamin Graille, Frédéric Barbaresco, Stéphanie Bidon, Catherine Choquet
• Jury : Rapporteurs / Rapporteuses : Antonin Chambolle, Benjamin Graille

Mots clés

Mots clés contrôlés

Méthode de Boltzmann sur réseau

Traitement d'images

Apprentissage profond

Radar Doppler

Radar en océanographie

Mots clés libres

Extraction de fouillis de mer

Images radar marin

Modèles de champ de phase

Schéma de Boltzmann sur réseau

Équation de convection-diffusion

Apprentissage profond

Sea clutter extraction

Marine radar images

Phase field models

Lattice Boltzmann scheme

Convection-diffusion equation

Machine learning

Résumé

Nous nous intéressons au problème d’extraction du fouillis de mer dans des images radar marin. Le parti pris est de développer des méthodes de traitement d’image permettant de s’affranchir au mieux d’hypothèses sur la nature du fouillis de mer et du signal d’intérêt. D’une part, nous proposons un algorithme basé sur une approche variationnelle originale : un modèle multiphasique à interface diffuse. Les résultats obtenus montrent que l’algorithme est efficace lorsque le signal d’intérêt a un rapport signal-sur-fouillis suffisamment grand. D’autre part, nous nous intéressons à l’implémentation de schémas de Boltzmann sur réseau pour des problèmes de convection-diffusion à vitesse d’advection non constante et un terme source non nul. Nous décrivons le calcul de la consistance obtenue par analyse asymptotique à l’échelle acoustique et avec un opérateur de collision à temps de relaxation multiples, et étudions la stabilité de ces schémas dans un cas particulier. Les résultats obtenus montrent que les schémas proposés permettent de supprimer le bruit résiduel et de renforcer le signal d’intérêt sur l’image obtenue grâce à la première méthode. Enfin, nous proposons une méthode d’apprentissage permettant de s’affranchir d’hypothèses sur la nature du signal d’intérêt. En effet, en complément de l’algorithme par approche variationnelle, nous proposons un algorithme basé sur le traitement pulse-Doppler lorsque le signal d’intérêt est exo-clutter et a un rapport signal-sur-fouillis faible. Les résultats obtenus à partir du double auto-encodeur que nous proposons, étant comparables aux résultats fournis par chacune des deux méthodes, permettent de valider cette approche.

We focus on the problem of sea clutter extraction in marine radar images. The aim is to develop image processing methods allowing us to avoid assumptions about the nature of the sea clutter and the signal of interest. On the one hand, we propose an original algorithm based on a variational approach : a multiphase model with diffuse interface. The results obtained show that the algorithm is efficient when the signal of interest has a sufficiently large signal-to-clutter ratio. On the other hand, we focus on the implementation of lattice Boltzmann schemes for convection-diffusion problems with non-constant advection velocity and non-zero source term. We describe the computation of the consistency obtained by asymptotic analysis at the acoustic scale and with a multiple relaxation time collision operator, and study the stability of these schemes in a particular case. The obtained results show that the proposed schemes allow removing the residual noise and to enhance the signal of interest on the image obtained with the first method. Finally, we propose a learning method allowing us to avoid assumptions on the nature of the signal of interest. Indeed, in addition to the variational approach, we propose an algorithm based on pulse-Doppler processing when the signal of interest is exo-clutter and has a low signal-to-clutter ratio. The results obtained from the proposed double auto-encoder, being comparable to the results provided by each of the two methods, allow validating this approach.