Définition Haute-Précision d’en Haut : Avancement de la Super-Résolution des Images Satellitaires via Auto-Supervision
Auteur / Autrice : | Ngoc-Long Nguyen |
Direction : | Gabriele Facciolo, Pablo Arias |
Type : | Thèse de doctorat |
Discipline(s) : | Mathématiques aux interfaces |
Date : | Soutenance le 20/10/2023 |
Etablissement(s) : | université Paris-Saclay |
Ecole(s) doctorale(s) : | École doctorale de mathématiques Hadamard |
Partenaire(s) de recherche : | Laboratoire : Centre Borelli |
référent : Ecole Normale Supérieure Paris-Saclay | |
graduate school : Université Paris-Saclay. Graduate School Mathématiques (2020-....) | |
Jury : | Président / Présidente : Jean Ponce |
Examinateurs / Examinatrices : Andrés Almansa, Enrico Magli, Florence Tupin, Charlotte Pelletier, Thibaud Ehret | |
Rapporteurs / Rapporteuses : Andrés Almansa, Enrico Magli |
Mots clés
Résumé
Cette thèse contribue au domaine de l’observation de la Terre (OT) en faisant progresser les techniques de super-résolution dans l’imagerie satellitaire, en abordant à la fois les défis de l’imagerie multi-image et single-image. L’accent est mis sur la surmontée d’un problème prévalent dans la télédétection : l’absence de données de vérité terrain en haute résolution. Nous adressons cela à travers des méthodes innovantes d’apprentissage auto-supervisé, qui permettent l’entraînement de modèles sans cibles conventionnelles en haute résolution. Dans la super-résolution multi-image, notre cadre Deep Shift-and-Add (DSA), conçu pour les capteurs SkySat, illustre une approche auto-supervisée nouvelle. Il combine efficacement la fusion shift-and-add avec l’apprentissage auto-supervisé pour gérer l’absence de données en haute résolution, établissant une nouvelle norme dans le domaine. Pour la super-résolution single-image, nous exploitons les propriétés uniques de l’imagerie Sentinel-2 pour développer des techniques auto-supervisées spécialisées. Ces méthodes améliorent la récupération des détails, dépassant la résolution intrinsèque du capteur. Notre recherche aborde non seulement des défis spécifiques dans la super-résolution d’images satellitaires, mais suggère également l’applicabilité plus large de nos méthodes à diverses plateformes satellitaires et types de données, offrant une direction prometteuse pour les futures explorations dans le traitement d’images satellitaires et les technologies OT.