Master 2014 2015
Stages de la spécialité SAR
Détection d’anomalies et détection de changement pour l’imagerie hyperspectrale


Site :L2S/Supelec
Lieu : L2S Supélec Plateau de Moulon 3 Rue Joliot Curie, Gif-sur-Yvette
Encadrant : Contacts : -* A. Renaux : alexandre.renaux@lss.supelec.fr -* F. Pascal : frederic.pascal@supelec.fr -* J.P. Ovarlez : jean-philippe.ovarlez@onera.fr -* M. N. El Korso : m.elkorso@u-paris10.fr
Dates :6 mois à partir de mars ou avril (selon les disponibilités du candidat)
Rémunération :479,95 euros)
Mots-clés : Parcours ATIAM : Traitement du signal

Description

Contexte : L’imagerie hyperspectrale est définie par l’acquisition d’images spatiales dans des centaines de bandes spectrales contigües et identiquement géo-référencées spatialement. L’imagerie hyperspectrale est un domaine qui s’est développée tout récemment et qui a de nombreuses applications (observation de la terre et des planètes, détection de tumeurs cancéreuses, surveillance de l’environnement, analyse des pigments dans un tableau ancien, etc.). Les données hyperspectrales sont très riches car elles permettent de différencier des éléments qui ne pourraient être discriminés à l’œil nu.

Enjeux méthodologiques et verrous : Le principal problème engendré par ces images provient de la finesse de leur résolution spectrale et spatiale, générant ainsi des données de très grande dimension. Du fait de la complexité des données (hétérogénéité spatiale et spectrale, non gaussianité, etc.) et des processus physiques sous-jacents (mélange non linéaire dans chaque pixel de spectres caractérisant des matériaux de référence, etc.), exploiter cette richesse spectrale et l’analyser nécessitent de nouveaux outils statistiques sophistiqués et spécifiquement adaptés aux grandes dimensions (détection d’informations utiles, détection de changements dans une série d’images hyperspectrales, estimation de paramètres physiques, analyse de la qualité d’estimation, classification, etc.).

Objectifs : Ce stage concerne l’extension d’outils statistiques précédemment développés dans d’autres contextes (radar, communications numériques, etc.) à l’imagerie hyperspectrale. On s’intéressera plus particulièrement dans ce stage à la détection d’anomalies dans des conditions non-standards (processus elliptiques, techniques robustes d’estimation des paramètres statistiques du fond comme la matrice de covariance et la moyenne). Pour faire face à la grande dimension spectrale des données qui pose des problèmes d’estimation, nous étudierons des techniques robustes (shrinkage par exemple) d’estimation de cette matrice de covariance pour la détection d’anomalies. Nous étendrons cette procédure d’estimation à la thématique de détection de changement dans des images hyperspectrales.

Profil recherché : Etudiant en Master 2 recherche (ou équivalent). De bonnes connaissances en traitement statistique du signal et en mathématiques appliquées seront nécessaires. Matlab sera utilisé pour la programmation.

Encadrements : Alexandre Renaux (Maître de conférences, HDR, Université Paris-Sud/L2S), Frédéric Pascal (Professeur, Supelec/SONDRA), Jean-Philippe Ovarlez (Maître de Recherche, ONERA) et Mohammed Nabil El Korso (Maître de conférences, Université Paris‐Ouest/LEME).

Candidatures : Envoyer votre CV, vos derniers relevés de notes, une lettre de motivation et le nom d’un ou deux référents à A. Renaux, F. Pascal, J.P. Ovarlez et M. N. El Korso.

Contacts : o A. Renaux : alexandre.renaux@lss.supelec.fr o F. Pascal : frederic.pascal@supelec.fr o J.P. Ovarlez : jean-philippe.ovarlez@onera.fr o M. N. El Korso : m.elkorso@u-paris10.fr

Bibliographie

Références :

[1] J. Frontera-Pons, M. Veganzones, S. Velasco-Forero, F. Pascal, J.P. Ovarlez, J. Chanussot, "Robust Anomaly Detection in Hyperspectral Imaging", Proc. IEEE-IGARSS 2014, Quebec, Canada, July 2014

[2] J. Frontera-Pons, F. Pascal, J.P. Ovarlez, ”Adaptive non-Zero Mean Gaussian Detection and Application to Hyperspectral Imaging”, submitted to IEEE Trans. on Signal Processing, (http://arxiv.org/abs/1404.2977), April 2014.

[3] J. Frontera-Pons, J.P. Ovarlez, F. Pascal, J. Chanussot, "Performance Analysis of Robust Detectors for Hyperspectral Imaging", IEEE-IGARSS 2013, Melbourne, Australia, July 2013

[4] M. Mahot, F. Pascal, P. Forster, J.P. Ovarlez, "Asymptotic properties of robust covariance matrix estimates", IEEE Trans. on Signal Processing, 61(13) : 3348-3356 (2013-07).

[5] F. Pascal, Y. Chitour, Y. Quek, "Generalized Robust Shrinkage Estimator and Its Application to STAP Detection Problem", IEEE Trans. on Signal Processing, 62(21) : 5640-5651 (2014-08).