Détection pour l'Imagerie Radar à Travers Murs à partir de méthodes de décomposition de rang faible plus parcimonieuse

Detection for Through-Wall Radar Imaging based on low rank and sparse decomposition models

• Auteur / Autrice : Hugo Brehier
• Direction : Guillaume Ginolhac, Chengfang Ren, Arnaud Breloy, Israel Hinostroza
• Type : Thèse de doctorat
• Discipline(s) : Sciences du traitement du signal et des images
• Date : Soutenance le 04/12/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : SONDRA (Gif-sur-Yvette, Essonne ; 2004-....)
• Partenaire(s) de recherche : Référent : CentraleSupélec
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Informatique et sciences du numérique (2020-....)
• Jury : Examinateurs / Examinatrices : Jean-Yves Tourneret, Muma Michael, Nelly Pustelnik, Jérémy E. Cohen, Muriel Darces
• Jury : Rapporteur / Rapporteuse : Jean-Yves Tourneret, Muma Michael

Mots clés

Mots clés contrôlés

Statistiques robustes

Représentation parcimonieuse

Approximations de rang faible

Imagerie microonde

Radar à antenne synthétique

Mots clés libres

Inversion

Parcimonie

Imagerie

Radar

Localisation

Sparse

Inversion

Imaging

Radar

Localization

Résumé

L'imagerie radar à travers murs est un domaine de recherche visant à imager des pièces cachées à l'œil nu par un mur. Cela présente des défis dus notamment à la distorsion du signal causée par le mur ainsi que par la scène à imager. À cela s'ajoute un bruit ambiant qui complique la détection des signaux faibles provenant des cibles. Les travaux entrepris dans cette thèse se concentrent sur la détection et la localisation de cibles stationnaires dans un scénario en deux dimensions spatiales.Nous introduisons des méthodes d'imagerie basées sur la reconstruction jointe des éléments constituant la scène, à savoir le mur et les cibles cachées. Nous utilisons une décomposition en rang faible et parcimonieux via une extension de RPCA.Nous étudions ensuite son extension à des bruits hétérogènes via une distance robuste dite de Huber. Nous étudions également son extension non-convexe sur la variété des matrices de rang fixe.Finalement, nous abordons la transition vers une méthode basée sur les données, en utilisant une méthode hybride dite de réseau déroulé basé sur un gradient proximal.Les résultats montrent que les méthodes proposées surpassent les approches classiques en simulations. Toutefois, des défis persistent, notamment dans la prise en compte des effets physiques complexes sur le signal. Nous soulignons le potentiel de ces méthodes pour des applications plus larges, comme les radars à pénétration de sol et l'imagerie computationnelle.

Through Wall Radar Imaging is a field of research aimed at imaging rooms hidden from the naked eye. This presents challenges, notably due to the signal's attenuation and distortion caused by the wall and the scene elements. Additionally, ambient noise complicates the detection of weak signals coming from the targets. The work in this thesis focuses on the detection and localization of stationary targets in a two-dimensional spatial scenario.We introduce imaging methods based on the joint reconstruction of the elements constituting the scene, namely the wall and the hidden targets, by decomposition into low-rank and sparse components (via an extension of RPCA).We then study its extension to heterogeneous noise via robust distances, such as Huber's. We delve into optimization techniques on Riemannian manifolds using the one of fixed rank matrices. Finally, we address the transition to a data-driven method using a hybrid method known as unrolled networks, specifically a proximal gradient unrolling.The results show that the proposed methods outperform classical approaches in simulations. However, challenges remain, particularly in accounting for the complex physical effects on the signal. We highlight the potential of these methods for broader applications, such as Ground Penetrating Radar and computational imaging.