objectifs du cours - imt · 2017. 1. 6. · page 1 objectifs du cours ¢ introduction au domaine de...

page 1

Objectifs du cours

¢ Introduction au domaine de l’imagerie satellitaire :• Types de capteurs• Acteurs du domaine• Domaines d’application

¢ Revisite et mise en oeuvre de certaines approches mathématiques :• Analyse de Fourier et ses extensions non harmoniques• Approches probabilistes et markoviennes• Méthodes a contrario• Approches non locales• Optimisation convexe et discrète• Modèles parcimonieux ….

¢ Co-conception optique/capteurs/traitement

page 2

1 - Systèmes satellitaires optique / radarTerraSAR & TanDEM

RadarSat2

Pleiades(dec 2011)

SPOT 5

Restauration, antialiasing, interpolation

page 3

2. Sampling and restoration

reference image f sampled image g

TV minimization withdata fit on [− 1

2 , 12 ]2

TV minimization withdata fit on D∗

I-opt

Almansa, Delon, Rouge – ONR / ENS Cachan meeting – May 22, 2006 – p. 25/47

Echantillonnage irrégulier (microvibrations)

page 4

Mathematical Modeling & AnalysisRegularisation

Data fittingApplications

Conclusions & Perspectives

ACT AlgorithmACT + TV AlgorithmQN + FAR AlgorithmExperiments

(ACT) Tikhonov vs. TV Regularization

A. Almansa III - Irregular Sampling

Mathematical Modeling & AnalysisRegularisation

Data fittingApplications

Conclusions & Perspectives

Choice of µ: Local vs. Global ConstraintsZoomTV discretizationAntialiasing

Local vs. Global constraints

ACT+TV (Global constraints) QN+TV (Local constraints)

RMSE = 9.035 RMSE = 8.542

A. Almansa III - Irregular Sampling

Restauration SMOSélimination de points aberrants

page 5

!20 !10 0 10 20

!30

!20

!10

0

10

20

30

(a) Support spectral � et MTF de Blackman

!0.8 !0.6 !0.4 !0.2 0 0.2 0.4 0.6 0.8!0.8

!0.6

!0.4

!0.2

0

0.2

0.4

0.6

0.8

(b) Support spatial

!0.24 !0.22 !0.2 !0.18 !0.16 !0.14 !0.12 !0.1 !0.08 !0.06

0.18

0.2

0.22

0.24

0.26

0.28

0.3

0.32

0.34

0.36

(c) Reseau spatial hexagonal (d) Redondances

Figure 1: Quelques donnees fournis par le CESBIO

2

Tb obtenue parInversion de Fourier simple(avec filtre linéaire de Blackmann)

IntroductionMethode Proposee

ExperiencesPerspectives

SMOSOutliersObjectifsMethode de Reference

OutliersEmissions de Radar Illegales (RFI)

!200 !150 !100 !50 0 50 100 150 200!100

!80

!60

!40

!20

0

20

40

60

80

100

!0.8 !0.6 !0.4 !0.2 0 0.2 0.4 0.6 0.8!0.8

!0.6

!0.4

!0.2

0

0.2

0.4

0.6

0.8

A. Almansa, S. Durand, J. Preciozzi, B. Rouge Traitement des perturbations RFI sur les images SMOS

IntroductionMethode Proposee

ExperiencesPerspectives

SMOSOutliersObjectifsMethode de Reference

OutliersEmissions de Radar Illegales (RFI)

!200 !150 !100 !50 0 50 100 150 200!100

!80

!60

!40

!20

0

20

40

60

80

100

!0.8 !0.6 !0.4 !0.2 0 0.2 0.4 0.6 0.8!0.8

!0.6

!0.4

!0.2

0

0.2

0.4

0.6

0.8

A. Almansa, S. Durand, J. Preciozzi, B. Rouge Traitement des perturbations RFI sur les images SMOS

Restauration SMOSélimination de points aberrants

page 6

IntroductionMethode Proposee

ExperiencesPerspectives

Separation u + o + n

u ⇥ [28, 280] o ⇥ [�2000, 10000] n ⇥ [�150, 150]

avec

pon

deration

A. Almansa, S. Durand, J. Preciozzi, B. Rouge Traitement des perturbations RFI sur les images SMOS

IntroductionMethodes Proposees

Selection de parametresValidation

Perspectives

Modele VariationnelImplementation NumeriqueExperiencesAmelioration de la parcimonieContrainte spectrale

Modele Variationnel

E (u, o) = ⇥W (F (o + u)� D) ⇥22+�0TV(u)+�1⇥o⇥1.

TV (u) extrapolation spectrale⇤1(o) favorise la sparsite de o

Attache aux donnees tient compte de la coloration du bruitVar(n(⇥)) = �2/redondance(⇥)

Notation

o l’image correspondant aux e⌅ets des FRI (outliers)u l’image cherchee (Tb � o)⇤ Etoile de David (Domaine frequentiel ou Tb est defini)�� Reseau hexagonal d’echantillonnage frequentiel⇥ Reseau rectangulaire (contenant � et tel que Voronoi(⇥�) ⇥ ⇤)F : ⇥/� ⇤ ��/⇥� Transformation de Fourier Discrete Carree /

HexagonalA. Almansa, S. Durand, P. Muse, J. Preciozzi, B. Rouge Traitement des perturbations RFI sur les images SMOS

Méthodes a contrario pour laMise en correspondance stéréoscopique

page 7

Marseille

Paire stéréoGris = luminance

Results

Marseille

A. Almansa (CNRS) Reliable subpixel stereo seminaire TII 16 / 22

Gris = disparitéRouge = non-validé (indécidable)

Méthodes a contrario pour laMise en correspondance stéréoscopique

page 8

Marseille

Paire stéréoGris = luminance

Results

Marseille

A. Almansa (CNRS) Reliable subpixel stereo seminaire TII 16 / 22

Gris = disparitéRouge = non-validé (indécidable)

page 9

Modèles Markoviens etoptimisation (graph-cuts)

page 10

Organisation du cours

page 11

Méthodes non-locales probabilistes

page 12

Organisation du cours

¢ Lieu des cours:• Telecom ParisTech, 46 rue Barrault, 75013 Paris• Salles à confirmer• Vendredis de 14 à 17 heures• Du 13 janvier au 31 mars

¢ Structure du cours• 1 cours d’introduction à la physique ses systèmes

satellitaires (JM Nicolas / A. Almansa)• 3 cours + 1 TP sur l’imagerie optique (A. Almansa)• 3 cours + 1 TP sur l’imagerie radar (F. Tupin)• 1 cours sur l’ouverture codée (Y. Tendero)• 1 séance de présentation des projets

¢ Evaluation• Projets individuels ou en binôme• Rapports de TP + exercices

¢ Plus de détailshttps://mvaisat.wp.mines-telecom.fr/

Merci!

¢ Venez nombreux!

page 13