Intérêt du débruitage préalable des images SAR pour la détection de changements
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 les applications de détection de changements (suivi de
l’occupation des sols, catastrophes naturelles,...). En revanche, elles
sont affectées par un bruit multiplicatif important (speckle causé par
des interférences lors du processus d’acquisition) qui nécessite des
méthodes spécifiques pour les traiter et détecter les changements. Pour
simplifier ces traitements, de nombreuses méthodes permettent de
débruiter les images SAR pour diminuer significativement le niveau du
speckle mais peuvent avoir des défauts, comme la perte de certains
détails ou au contraire la création d’artefacts.
Travail demandé : On s’intéressera en particulier à la méthode de détection de changements
MIMOSA [1] qui a été développée pour les images SAR non débruitées. Un
premier travail consistera à implémenter une version simplifiée du
détecteur de changements MIMOSA pour l’appliquer à des images SAR
débruitées. À partir de là, on évaluera l’intérêt de plusieurs méthodes
de débruitage comme SAR2SAR [2] ou RABASAR [3] en entrée pour cette
approche de détection de changements.
Programmation :
Au choix pour le détecteur de changements (python conseillé). Matlab,
python et Tensorflow pour le débruitage
Liens complémentaires : Bibliographie: 5.
[1] G. Quin, B. Pinel-Puysségur, J. Nicolas and P.
Loreaux, "MIMOSA: An Automatic Change Detection Method for SAR Time
Series," in IEEE Transactions on Geoscience and Remote Sensing, vol. 52,
no. 9, pp. 5349-5363, Sept. 2014, doi: 10.1109/TGRS.2013.2288271.
[2] Dalsasso, Emanuele, Loïc Denis, and Florence Tupin. "SAR2SAR: a
self-supervised despeckling algorithm for SAR images." arXiv preprint
arXiv:2006.15037 (2020).
[3] Zhao, Weiying, et al. "Ratio-based
multitemporal SAR images denoising: RABASAR." IEEE Transactions on
Geoscience and Remote Sensing 57.6 (2019): 3552-356
