Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

26 novembre 2018

Thèse à l'ONERA en optimisation et machine learning


Catégorie : Doctorant


Mise au point d’une méthodologie de sélection robuste de bandes spectrales pour le dimensionnement des systèmes opérationnels multispectraux qui permette de tenir compte des incertitudes qui affectent certaines données, ainsi que de la diversité des objets susceptibles d’être rencontrés. Définition de critères d’optimisation robuste couplés à une méthodologie d’estimation efficace, basée sur des méthodes de machine learning et des algorithmes d’optimisation évolutionnaires.

Depuis quelques années, on constate un intérêt croissant pour la spécification et la conception d’imageurs multispectraux, qui permettent d’acquérir simultanément l’image d’une scène dans plusieurs (typiquement entre 2 et 10) bandes spectrales en infrarouge ou en visible. Les applications de ces instruments sont très variées : télédétection satellitaire ou spatiale, détection d’aéronefs, de drones,…

Afin d’optimiser le choix des bandes spectrales pour des applications de type détection d’anomalies, il est important de tenir compte des incertitudes qui affectent certaines données, comme les conditions météorologiques, et qui conduisent à une variabilité des scènes observées, ainsi que de la diversité des objets susceptibles d’être rencontrés. Il faut donc évoluer d’une stratégie d’optimisation classique et déterministe vers une optimisation robuste, qui a pour but de concevoir des systèmes dont les performances sont peu sensibles aux fluctuations induites par les paramètres incertains. Elle s’appuie sur des mesures de robustesse pour quantifier les variations des objectifs dues aux incertitudes.

En s’appuyant sur les travaux de thèse de Florian Maire (prix de thèse DGA 2016) sur la prise en compte simultanée des variabilités spectrale et spatiale des objets d’intérêt et du fond pour la détection d’anomalies, le doctorant sera amené à proposer une méthodologie de sélection robuste de bandes spectrales. Cette problématique, cruciale pour le dimensionnement des futurs systèmes opérationnels multispectraux, n’est encore que très peu abordée dans la littérature.

Les travaux de thèse porteront sur les points suivant :

- modélisation des incertitudes sur les cibles et les fonds,

- mise au point de critères d’optimisation robuste couplés à une méthodologie d’estimation efficace,

- validation sur des cas simulés : détection d'aéronefs et réels : télédétection.

Le calcul de critères du type quantile ou superquantile nécessite un grand nombre d’évaluations des objectifs afin d’observer l’effet des variations des paramètres incertains autour de chaque solution considérée. Il faudra donc proposer des estimateurs efficaces adaptés à la problématique du choix de bandes spectrales, et mettre en oeuvre et adapter les algorithmes d’optimisation les plus prometteurs. On s'appuiera sur des méthodes de type machine learning.

Contact : sidonie.lefebvre@onera.fr

Lieu : ONERA Palaiseau

Début : octobre 2019

Dans cette rubrique

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