Influence du débruitage d’images SAR sur la détection de rivières fines
Encadrants : Florence Tupin, Nicolas Gasnier
Email : florence.tupin@telecom-paris.fr
Disponible : OUI
Spécialité : IMA
Nombre d'étudiants : 1
Description : Les images SAR sont acquises par des capteurs aériens ou satellitaires
par tout temps (de jour comme de nuit et quelles que soient les
conditions météorologiques). Leurs grande disponibilité temporelle est
un avantage dans le suivi des eaux de surface (rivières et lacs). En
revanche, elles sont affectées par un bruit multiplicatif important
(speckle causé par des interférences lors du processus d’acquisition)
qui peut perturber la détection des rivières les plus fines. Pour
simplifier leur utilisation, de nombreuses méthodes permettent de
débruiter les images SAR pour diminuer significativemnt le niveau du
speckle mais peuvent avoir des défauts, comme la perte de certains
détails ou au contraire la création d’artefacts.
Travail demandé : L’objectif du projet est d’évaluer l’apport des approches de débruitage
préalable pour la détection de rivières fines. Pour cela, on
s’intéressera en particulier à une méthode de segmentation des rivières
fines en cours de développement à Télécom Paris et on utilisera
plusieurs méthodes de débruitage, notamment RABASAR [2] qui utilise une
pile multitemporelle d’images SAR pour améliorer le débruitage et
SAR2SAR[2] qui est une méthode de débruitage d’images SAR
auto-supervisée par apprentissage profond.
Programmation : Python pour la chaîne de détection. Matlab, python et
Tensorflow pour le débruitage
Liens complémentaires : Bibliographie:
[1] Zhao, Weiying, et al. "Ratio-based multitemporal SAR
images denoising: RABASAR." IEEE Transactions on Geoscience and Remote
Sensing 57.6 (2019): 3552-3565.
[2] Dalsasso, Emanuele, Loïc Denis, and
Florence Tupin. "SAR2SAR: a self-supervised despeckling algorithm for
SAR images." arXiv preprint arXiv:2006.15037 (2020).
