Annonce

L’objectif de cette thèse est de développer des méthodes d'apprentissage profond pour l'amélioration de la qualité d'images de télédétection hyperspectrales. Plus spécifiquement, pour pallier au problème de faible résolution spatiale de ces images, le problème de super-résolution sera étudié. L'accent sera mis sur les réseaux de neurones interprétables, dont l'architecture permet de créer des liens avec les algorithmes variationnels. En outre, un des objectifs des méthodes qui seront proposées sera de limiter la quantité de données d'entraînement requise, notamment en passant par la génération de jeux d'entraînement synthétiques.

The objective of this PhD is to develop deep learning methods for improving the quality of hyperspectral remote sensing images. More specifically, to overcome the problem of low spatial resolution of these images, the super-resolution problem will be studied. Emphasis will be put on interpretable neural networks which architectures allow to create links with variational algorithms. In addition, one of the objectives of the proposed methods will be to limit the amount of training data required, in particular through the generation of synthetic training sets.