Descriptif Détaillé

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