Bio Image Analysis.ORG

Description :

L’imagerie radar satellitaire permet de répondre à de nombreux enjeux : les images générées sont très riches en information et sont acquises indépendamment de la météo, de manière périodique. Elles sont toutefois corrompues par un bruit multiplicatif appelé speckle, rendant leur interprétation difficile. La combinaison de plusieurs images d’une même zone mais acquises à des dates différentes peut aider à leur débruitage, mais une telle approche implique aussi de gérer les changements pouvant apparaître entre deux dates (champs labourés, structures éphémères…)

Pré-requis : expérience en deep learning

Travail demandé : L’objectif de ce projet est d’entraîner un réseau de manière supervisée pour mettre en œuvre cette approche de débruitage multi-temporel avec prise en compte des changements.
On s'intéressera dans un premier temps à un débruitage simple (1 entrée/1 sortie) sur une image corrompue par un bruit simulé [1] avant de s’intéresser à un débruitage combinant plusieurs images prises à des dates différentes en entrée. On étudiera notamment comment prendre en compte une carte de changements au sein du réseau. Les résultats seront comparés à d’autres méthodes de débruitage multi-temporel [2].
Programmation: Python, Tensorflow/Pytorch.