Le cours 2016 a lieu dans les salles F609 et C47. Le détail des salles se trouve dans la page dédiée à l’emploi du temps.
Cours 1 : Introduction
- Vue d’ensemble du cours (A. Almansa, 1h)
- Introduction à la physique et ingénierie des systèmes satellitaires (JM Nicolas, 2h)
- orbites et géométrie de capture
- longueurs d’onde habituelles et leurs spécificités (applications/capteurs)
- types de capteurs (optique, stéréo optique, radar, interférométrie, synthèse d’ouverture)
Cours 2 : Systèmes de Capture d’Images Optiques
Echantillonnage Restauration et Qualité Image (A. Almansa 3h)
-
- Modèles d’acquisition: caméra pinhole et pushbroom, sources de flou, sources de bruit, matrices ou barrettes de capteurs, TDI, flutter-shutter.
- Théorie de l’échantillonnage régulier d’images: réseaux carré, hexagonal et oblique. Généralisations du théorème de Shannon.
- Mesures de qualité radiométrique des images: Aliasing, flou, ringing, bruit. Pas de critère “grand public”. Le système de capture vu comme instrument de mesure. Applications: classification, stéréoscopie, segmentation.
- Evaluation d’alternatives de conception pour les satellites CNES: SPOT1-4, SPOT5, Pleiades, OTOS.
- Sur-résolution multi-images. Un cas minimaliste: SPOT5 supermode. Le cas translationnel pur. Des mouvements plus complexes: conditionnement spatialement variable et échantillonnage irrégulier.
- SMOS: Un exemple d’échantillonnage hexagonal en Fourier
- Restauration d’images: Introduction aux problèmes inverses et méthodes variationnelles. Régularisation de Tikhonov, Hilbert, Variation Totale.
- Estimation du noyau de flou à l’aide d’une mire: problème bien ou mal posé?
- Restauration antialiasing
- Multispectral: Pansharpening vs Demosaickage ?
- Hyperspectral: Interférométrie => dernier cours.
Cours 3 : Bruit de speckle en imagerie cohérente
Modélisation du chatoiement (JM Nicolas 3h)
-
- le principe du chatoiement en imagerie cohérente (radar, sonar, échographie) ;
- les distributions suivies (loi de Rayleigh, loi Gamma) ;
- le cas multi-vues ; le modèle de bruit multiplicatif ; la transformée de Mellin et les distributions sur R+ ; l’estimation de paramètres.
Cours 4 : NL-means probabiliste
et applications en imagerie cohérente (F. Tupin 3h)
-
- le problème du débruitage vu comme un problème d’estimation
- une reformulation probabiliste des approches non-locales
- introduction d’un terme a priori et schéma itératif
- exemples d’application en imagerie radar
- exemples d’application aux données vectorielles complexes (interférométrie et polarimétrie radar)
Cours 5 : Stéréoscopie fiable et fine
Méthodes statistiques (A. Almansa 3h)
-
- Notions de base de la stéréoscopie et de la géométrie epipolaire
- La stéréoscopie traditionnelle: un problème d’optimisation globale
- La stéréoscopie fiable et fine: un problème d’optimisation locale et de décision
- Stéréo à faible rapport b/h: Analyse et quantification des différents composants de l’erreur en disparité : bruit, adhérence, erreurs grossières.
- Méthodes statistiques d’estimation de l’erreur dû au bruit: Cramer-Rao vs. Moyenne Quadratique
- Méthodes statistiques pour écarter des fausses correspondences: Block-Matching a contrario
- Interpolation & approximation de MNE urbain: méthodes a contrario, RANSAC, variationnelles et parcimonieuses
Cours 6: Approches markoviennes
et optimisation par coupures sur graphes en télédétection (F. Tupin, 3h)
-
- principe des approches markoviennes et formulation énergétique
- les approches d’optimisation en fonction des énergies à optimiser
- graphes de pixels et graphes de primitives pour des applications en télédétection (détection de réseaux, reconstruction 3D) ;
Cours 7 : TP
Analyse et débruitage de données radar par des approches non-locales et markoviennes (F. Tupin, 3h)
-
- analyse du bruit sur les données radar (étude de la variation des estimateurs)
- mise en oeuvre de débruitage par moyennes non locales et étude de l’intérêt du terme a priori
- mise en oeuvre de débruitage par approche markovienne et optimisation par coupure minimale
- comparaison des deux approches.
Cours 8 : Echantillonnage irrégulier
Théorie et applications (A. Almansa 3h)
-
- Généralisations du théorème de Shannon en échantillonnage irrégulier : théorème de Kadec, conditions de Beurling-Landau, conditions basées sur la densité locale d’échantillonnage. Quasi-cristaux et ensembles d’échantillonnage universel.
- Algorithmes de restauration d’images échantillonnées irrégulièrement
- Méthodes d’optimisation convexe non-smooth sous contraintes locales.
- Estimation de microvibrations du satellite par parcimonie de leur représentation fréquentielle
- Echantillonnage irrégulier en bande étroite : généralisations du théorème de Kadec, application à la spectrométrie par interférométrie statique.
Cours 9 : TP
Restauration d’Images & Stéréoscopie (A. Almansa 3h)
Cours 10 : Présentation des projets des élèves