Contexte : 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). L’acquisition de plusieurs images et leur combinaison permet de réduire très efficacement le bruit présent sur une donnée. Les approches les plus simples qui consistent à faire un moyennage des images supposent que les informations sont stables temporellement et les réalisations du bruit décorrélées.
Travail demandé : L’objectif de ce projet est d’étudier les méthodes de décomposition comme l’ACP pour débruiter ou classer de grandes piles d’images radar. Plusieurs stratégies sont possibles (approches homomorphiques par passage en log [1], approches directes, approches locales sur patchs [2], introduction de contraintes de positivité, etc.).
Programmation : langage au choix (Matlab, C/C++, etc.)
Bibliographie :
[1] Charles Deledalle, Loïc Denis, Sonia Tabti, Florence Tupin.
MuLoG, or How to apply Gaussian denoisers to multi-channel SAR speckle reduction?
IEEE Transactions on Image Processing 2017
https://www.math.u-bordeaux.fr/~cdeledal/mulog.php
[2] C.-A. Deledalle and J. Salmon and A. Dalalyan, Image denoising with patch based PCA: local versus global, proceedings of BMVC 2011, 2011.
http://josephsalmon.eu/code/index_codes.php?page=GPPCA