Débruitage de séries temporelles d’images SAR
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 : RABASAR [1] est une méthode de débruitage pour séries multitemporelles d'images SAR. L'objectif de ce projet est d'intégrer dans cet algorithme SAR2SAR [2], une méthode de débruitage d'images SAR auto-supervisée. L'approche RABASAR consiste à (1) estimer une "super-image" par moyennage temporel d'une pile SAR, (2) débruiter le ratio entre l'image bruitée d'intérêt et la "super-image", (3) calculer l'image débruitée en ré-multipliant le ratio débruité par la "super-image". Intégrer SAR2SAR dans ce pipeline (notamment à l'étape 2) présente un potentiel applicatif intéressant et c'est une façon à la fois simple et flexible d'exploiter une information multitemporelle avec du deep learning. On étudiera les performances de cette approche en comparaison avec les résultats présentés dans [1].
Programmation: Matlab, Python, Tensorflow
Liens complémentaires : [1] Zhao, Weiying, et al. "Ratio-based multitemporal SAR images denoising: RABASAR." IEEE Transactions on Geoscience and Remote Sensing 57.6 (2019): 3552-3565.
https://hal.archives-ouvertes.fr/hal-01791355v2
[2] 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
