Débruitage auto-supervisé d’images SAR: extension de l’approche SAR2SAR
Encadrants : Florence Tupin, Emanuele Dalsasso
Email : florence.tupin@telecom-paris.fr
Disponible : OUI
Spécialité : IMA
Nombre d'étudiants : 1
Description : Les images radar ont l'avantage de pouvoir être acquises par tout temps (de jour comme de nuit et quelles que soient les conditions météorologiques). Elles présentent néanmoins un fort bruit (le bruit de speckle lié à l'imagerie cohérente). Le débruitage de ces images, sujettes à de fortes fluctuations, est donc particulièrement important. Récemment, les approches de deep learning non-supervisées ont permis des grands avancées dans ce domaine.
Travail demandé : L'algorithme SAR2SAR [1] permet d'apprendre à débruiter des images SAR (du capteur Sentinel-1) en ne disposant que de données bruitées. L'objectif de ce projet est d'étendre l'approche SAR2SAR à d'autres capteurs (notamment TerraSAR-X) et à d'autres types de données (images GRD). Un entraînement spécifique pour chaque type de données sera fait. On s'intéressera par la suite à l'étude de ses performances. On étudiera en particulier la sensibilité de l'approche à la base de données sur laquelle le réseau sera entraîné, notamment pour comprendre l'influence de la résolution et de la corrélation spatiale du bruit speckle.
Programmation: Python, Tensorflow
Liens complémentaires : [1] Dalsasso, Emanuele, Loïc Denis, and Florence Tupin. "SAR2SAR: a self-supervised despeckling algorithm for SAR images." arXiv preprint arXiv:2006.15037 (2020).
https://arxiv.org/abs/2006.15037
