Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

27 décembre 2017

Stage : Estimation et optimisation pour le destriping d'images satellitaires


Catégorie : Stagiaire


Stage de master 2 ou Ingénieur en traitement du signal et des images

Estimation et optimisation pour le destriping d'images satellitaires

Lors de l'acquisition d'images satelitaires par des instruments de type pushbroom, les défauts des détecteurs produisent sur l'image un effet de rayures (stripes). Le sujet de ce stage porte sur le développement de méthode visant à suprimer ces effets (destriping) en estimant la réponse des détecteurs à partir des images. Plus précisément, il s'agit de poursuivre l'étude et le développement de méthodes existantes, en mettant l'accent sur deux points : la correction de l'effet de destriping sur des images multi-spectrales en considérant des corrélations des images dans les différentes bandes spectrales ; la généralisation de l'estimation des hyperparamètres pour de telles images.

Compétences : Traitement du signal et des images, estimation et optimisation, Matlab.

Contact : Hervé CARFANTAN, Herve.Carfantan@irap.omp.eu

 

Stage de master 2 ou Ingénieur en traitement du signal et des images

Estimation et optimisation pour le destriping d'images satellitaires

Les satellites d'observation de la terre de type pushbroom font l'acquisition d'images par l'intermédiaire de barrettes de détecteurs CCD, formant une ligne de l'image ; l'avancement du satellite dans une direction orthogonale à ces barrettes permettant à chaque détecteur de former une colonne de l'image. En pratique, les détecteurs possèdent certains défauts ce qui peut produire sur l'image un effet de rayures (stripes). Lors de la recette en vol du satellite, les défauts des détecteurs sont identifiés et partiellement corrigés. Néanmoins l'évolution des détecteurs au cours du temps nécessite une adaptation de ces corrections. L'objectif visé par le CNES est d'estimer les paramètres des détecteurs directement à partir des images.

Lors de précédents travaux (voir par exemple [1]), nous avons proposé pour corriger les images (destriping) une méthode d'estimation de la réponse des détecteurs dans le cadre d'un défaut affine :

la luminance L'm,n indiquée par le nième détecteur pour le pixel de la mième colonne de l'image, diffère de la luminance observée Lm,n par la relation L'm,n = gn Lm,n + cn où gn est le gain et cn est le courant d'obscurité du nième détecteur. La difficulté essentielle de ce problème est que l'on cherche à estimer les paramètres gn et cn des détecteurs à partir des images acquises L'm,n sans connaitre l'image observée Lm,n.

Cette méthode, à la frontière entre le traitement d'images et l'optimisation, s'appuie sur des modèles probabilistes de l'image (champs de Markov) et des paramètres des détecteurs, ainsi que sur un algorithme d'optimisation adapté.

Plus récemment, nous avons proposé une méthodologie pour estimer les hyper-paramètres de la méthode (paramètres du champs de Markov de l'image).

Le but de ce stage est de poursuivre l'étude et le développement de cette méthode, en particulier sur deux points : la correction de l'effet de destriping sur des images multi-spectrales en considérant des corrélations des images dans les différentes bandes spectrales ; la généralisation de l'estimation des hyperparamètres pour de telles images.

Ce stage se place dans le cadre d'une étude du groupe SISU (Signal Images en Sciences de l'Univers) de l'IRAP (Institut de Recherche en Astrophysique et Planétologie) pour le CNES (Centre National d'Études Spatiales) en collaboration avec le LS2N (Laboratoire des Sciences du Numérique de Nantes).

Le stagiaire travaillera à l'IRAP à Toulouse et aura de fortes interactions avec le CNES et LS2N.

En plus du travail d'ordre méthodologique, ce stage comportera une part importante d'algorithmique, de développement informatique et de simulation.

Le stagiaire doit avoir de bonnes connaissances en traitement d'images, en optimisation et en estimation. Il devra connaître le langage informatique Matlab ou un langage équivalent.

Contact :

Hervé Carfantan,
Herve.Carfantan@irap.omp.eu

[1] H. Carfantan and J. Idier, Statistical linear destriping of satellite-based pushbroom-type images. IEEE Transactions on Geoscience and Remote Sensing, 48(4):1860-1871, apr. 2010. http://dx.doi.org/10.1109/TGRS.2009.2033587

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.