Détail de l'auteur
Auteur A. Mohammad-Djafari |
Documents disponibles écrits par cet auteur (3)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externes
Titre : Uncertainty in radar emitter classification and clustering Titre original : Gestion des incertitudes en identification des modes radar Type de document : Thèse/HDR Auteurs : Guillaume Revillon, Auteur ; Charles Soussen, Directeur de thèse ; A. Mohammad-Djafari, Directeur de thèse Editeur : Paris-Orsay : Université de Paris 11 Paris-Sud Centre d'Orsay Année de publication : 2019 Importance : 181 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l’Université Paris-Saclay préparée à l’Université Paris-Sud Sciences et Technologies de l’Information et de la Communication (STIC) Spécialité : Traitement du signal et des imagesLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement du signal
[Termes IGN] approximation
[Termes IGN] détection du signal
[Termes IGN] écho radar
[Termes IGN] émetteur
[Termes IGN] estimation bayesienne
[Termes IGN] inférence statistique
[Termes IGN] modèle de mélange multilinéaire
[Termes IGN] modulation du signal
[Termes IGN] probabilités
[Termes IGN] valeur aberranteIndex. décimale : THESE Thèses et HDR Résumé : (auteur) In Electronic Warfare, radar signals identification is a supreme asset for decision making in military tactical situations. By providing information about the presence of threats, classification and clustering of radar signals have a significant role ensuring that countermeasures against enemies are well-chosen and enabling detection of unknown radar signals to update databases. Most of the time, Electronic Support Measures systems receive mixtures of signals from different radar emitters in the electromagnetic environment. Hence a radar signal, described by a pulse-to-pulse modulation pattern, is often partially observed due to missing measurements and measurement errors. The identification process relies on statistical analysis of basic measurable parameters of a radar signal which constitute both quantitative and qualitative data. Many general and practical approaches based on data fusion and machine learning have been developed and traditionally proceed to feature extraction, dimensionality reduction and classification or clustering. However, these algorithms cannot handle missing data and imputation methods are required to generate data to use them. Hence, the main objective of this work is to define a classification/clustering framework that handles both outliers and missing values for any types of data. Here, an approach based on mixture models is developed since mixture models provide a mathematically based, flexible and meaningful framework for the wide variety of classification and clustering requirements. The proposed approach focuses on the introduction of latent variables that give us the possibility to handle sensitivity of the model to outliers and to allow a less restrictive modelling of missing data. A Bayesian treatment is adopted for model learning, supervised classification and clustering and inference is processed through a variational Bayesian approximation since the joint posterior distribution of latent variables and parameters is untractable. Some numerical experiments on synthetic and real data show that the proposed method provides more accurate results than standard algorithms. Note de contenu : Introduction
1- State of the art and the selected approach
2- Continuous data
3- Mixed data
4- Temporal evolution data
5- Conclusion and perspectivesNuméro de notice : 25703 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du signal et des images : Paris 11 : 2019 Organisme de stage : Thales, GPI nature-HAL : Thèse DOI : sans Date de publication en ligne : 02/09/2019 En ligne : https://hal.science/tel-02275817 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94829
Titre de série : Problèmes inverses en imagerie et en vision, 1 Titre : Volume 1 Type de document : Monographie Auteurs : A. Mohammad-Djafari, Auteur ; A. Mohammad-Djafari, Éditeur scientifique Editeur : Paris : Lavoisier Année de publication : 2009 Collection : Traité IC2 - Information - Commande - Communication Sous-collection : Traité Signal et Image Importance : 267 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7462-1998-4 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] chaîne de Markov
[Termes IGN] détection d'objet
[Termes IGN] détection de changement
[Termes IGN] détection de contours
[Termes IGN] estimation statistique
[Termes IGN] filtrage du bruit
[Termes IGN] problème inverseIndex. décimale : 35.20 Traitement d'image Résumé : (Editeur) La notion de problème inverse est maintenant devenue familière, en particulier dans les domaines de l'imagerie et de la vision par ordinateur. Parmi ces problèmes, on trouve le débruitage, la restauration par déconvolution, la segmentation, la reconstruction 2D ou 3D en tomographie X ou en imagerie micro-onde, la reconstruction de la surface d'un objet 3D en tomographie X ou à partir de ses ombres, la reconstruction de la surface d'une scène 3D à partir de plusieurs photos satellitaires, mais aussi la construction d'une image haute résolution à partir de plusieurs images de basse résolution (super-résolution), l'estimation de mouvement dans une séquence d'images ou encore la séparation de plusieurs images mélangées par des instruments de sensibilités ou de fonctions de transfert différentes. Tous ces sujets sont présentés dans les divers chapitres de ce livre tout en gardant une même méthodologie de l'inversion sous l'angle déterministe (moindres carrés, régularisation) ou probabiliste (modélisation markovienne et estimation bayésienne). Note de contenu : 1 - PROBLEMES INVERSES EN IMAGERIE ET EN VISION
2 - DEBRUITAGE ET DETECTION DE CONTOURS
3 - DECONVOLUTION AVEUGLE D'IMAGE
4 - MARKOV TRIPLETS ET SEGMENTATION D'IMAGES
5 - DETECTION D'OBJETS DANS UNE SCENE
6 - ESTIMATION DE MOUVEMENTNuméro de notice : 20394A Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=41785
Titre de série : Problèmes inverses en imagerie et en vision, 2 Titre : Volume 2 Type de document : Monographie Auteurs : A. Mohammad-Djafari, Éditeur scientifique Editeur : Paris : Lavoisier Année de publication : 2009 Collection : Traité IC2 - Information - Commande - Communication Sous-collection : Traité Signal et Image Importance : 480 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7462-1999-1 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] chaîne de Markov
[Termes IGN] estimation bayesienne
[Termes IGN] fusion d'images
[Termes IGN] modèle de Gauss-Markov
[Termes IGN] reconstruction 3D
[Termes IGN] reconstruction d'image
[Termes IGN] tomographieIndex. décimale : 35.20 Traitement d'image Résumé : (Editeur) La notion de problème inverse est maintenant devenue familière, en particulier dans les domaines de l'imagerie et de la vision par ordinateur. Parmi ces problèmes, on trouve le débruitage, la restauration par déconvolution, la ségmentation, la reconstruction 2D ou 3D en tomographie X ou en imagerie micro-onde, la reconstruction de la surface d'un objet 3D en tomographie X ou à partir de ses ombres, la reconstruction de la surface d'une scène 3D à partir de plusieurs photos satellitaires, mais aussi la construction d'une image haute résolution à partir de plusieurs images de basse résolution (super-résolution), l'estimation de mouvement dans une séquence d'images ou encore la séparation de plusieurs images mélangées par des instruments de sensibilités ou de fonctions de transfert différentes. Tous ces sujets sont présentés dans les divers chapitres de ce livre tout en gardant une même méthodologie de l'inversion sous l'angle déterministe (moindres carrés, régularisation) ou probabiliste (modélisation markovienne et estimation bayésienne). Note de contenu : 7 - SUPER-RESOLUTION
8 - RECONSTRUCTION DES SURFACES EN TOMOGRAPHIE
9 - APPROCHE BAYESIENNE EN IMAGERIE MICRO-ONDE
10 - RECONSTRUCTION 3D A PARTIR DES OMBRAGES
11 - SEPARATION D'IMAGES
12 - RECONSTRUCTION STEREO
13 - FUSION ET MULTIMODALITENuméro de notice : 20394B Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=41786
