Centre de documentation
scientifique

Télédétection hyperspectrale pour l’identification et la caractérisation de minéraux industriels / Ronan Rialland (2021)  

Public Titre : Télédétection hyperspectrale pour l’identification et la caractérisation de minéraux industriels Type de document : Thèse/HDR Auteurs : Ronan Rialland, Auteur ; Charles Soussen, Auteur ; Rodolphe Marion, Auteur ; V. Carrere, Auteur Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2021 Importance : 125 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de doctorat de l’Université Paris-Saclay, Spécialité Traitement du Signal et des Images Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] bruit (théorie du signal) [Termes IGN] déconvolution [Termes IGN] image hyperspectrale [Termes IGN] logique floue [Termes IGN] minéral [Termes IGN] minéralogie [Termes IGN] rapport signal sur bruit [Termes IGN] réflectance spectrale [Termes IGN] spectroscopie [Termes IGN] transfert radiatif Index. décimale : THESE Thèses et HDR Résumé : (auteur) La télédétection hyperspectrale permet l’étude de larges zones d’intérêt via la caractérisation physico-chimique des surfaces observées. Cette thèse concerne l’identification de minéraux rencontrés sur des sites industriels à partir de leurs spectres de réflectance observés dans le domaine réflectif [400-2500] nm. Un modèle physique paramétrique adapté est proposé pour représenter un spectre comme la somme d’un continuum et de formes spectrales localisées représentant les formes d’absorption. La première contribution est une procédure de déconvolution spectrale pour estimer adaptativement le nombre d’absorptions dans un spectre ainsi que les paramètres associés. Cette procédure est composée de trois étapes : retrait du continuum, pré-estimation des absorptions, ajustement conjoint du continuum et des absorptions. La pré-estimation des absorptions est l’étape clé, où les paramètres (positions, paramètres de formes) des absorptions sont estimés par un algorithme inspiré d’Orthogonal Matching Pursuit. Cette étape fournit des décompositions du spectre pour un nombre variable de formes d’absorption, rendant possible l’utilisation d’un critère de sélection d’ordre pour estimer leur nombre. La deuxième contribution concerne l’identification des minéraux pour des spectres demélanges, inspirée d’une méthode de logique floue et basée sur la comparaison des paramètres estimés avec ceux d’une base de données prédéfinie. Cette solution tient compte des incertitudes d’estimation et des possibles variations des spectres de réflectance des minéraux. Les méthodes proposées sont validées sur de nombreuses données synthétiques et réelles issues de mesures en laboratoire, posant des difficultés d’analyse du fait d’absorptions de formes variées, possiblement superposées, et positionnées sur une plage très étendue de longueurs d’onde. De plus, une validation extensive a été effectuée sur des images hyperspectrales acquises dans le cadre du survol de deux carrières de gypse et de kaolinite. Les minéraux présents sur les sites sont précisément identifiés. Note de contenu : 1- Introduction 2- Spectroscopie et imagerie hyperspectrale pour l’étude des minéraux 3- Modélisation d’un spectre de réflectance de minéral et prise en compte du bruit dans une image hyperspectrale 4- Déconvolution d’un spectre de réflectance de minéral : procédure greedy-AGM 5- Applications de la procédure greedy-AGM 6- Procédure d’identification de minéraux 7- Campagne d’acquisitions et applications 8- Conclusions et perspectives Numéro de notice : 21705 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du Signal et des Images : Paris-Saclay : 2021 DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03508396 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100475

Bayesian iterative reconstruction methods for 3D X-ray Computed Tomography / Camille Chapdelaine (2019)  

Public Titre : Bayesian iterative reconstruction methods for 3D X-ray Computed Tomography Type de document : Thèse/HDR Auteurs : Camille Chapdelaine, Auteur ; Charles Soussen, Directeur de thèse Editeur : Paris-Orsay : Université de Paris 11 Paris-Sud Centre d'Orsay Année de publication : 2019 Importance : 185 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), Traitement du signal et des images Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] artefact [Termes IGN] faisceau [Termes IGN] inférence [Termes IGN] itération [Termes IGN] processeur graphique [Termes IGN] rayon X [Termes IGN] reconstruction 3D [Termes IGN] reconstruction d'image [Termes IGN] segmentation [Termes IGN] spectroscopie [Termes IGN] théorème de Bayes [Termes IGN] tomographie [Termes IGN] volume (grandeur) Index. décimale : THESE Thèses et HDR Résumé : (auteur) In industry, 3D X-ray Computed Tomography aims at virtually imaging a volume in order to inspect its interior. The virtual volume is obtained thanks to a reconstruction algorithm based on projections of X-rays sent through the industrial part to inspect. In order to compensate uncertainties in the projections such as scattering or beam-hardening, which are cause of many artifacts in conventional filtered backprojection methods, iterative reconstruction methods bring further information by enforcing a prior model on the volume to reconstruct, and actually enhance the reconstruction quality. In this context, this thesis proposes new iterative reconstruction methods for the inspection of aeronautical parts made by SAFRAN group. In order to alleviate the computational cost due to repeated projection and backprojection operations which model the acquisition process, iterative reconstruction methods can take benefit from the use of high-parallel computing on Graphical Processor Unit (GPU). In this thesis, the implementation on GPU of several pairs of projector and backprojector is detailed. In particular, a new GPU implementation of the matched Separable Footprint pair is proposed. Since many of SAFRAN's industrial parts are piecewise-constant volumes, a Gauss-Markov-Potts prior model is introduced, from which a joint reconstruction and segmentation algorithm is derived. This algorithm is based on a Bayesian approach which enables to explain the role of each parameter. The actual polychromacy of X-rays, which is responsible for scattering and beam-hardening, is taken into account by proposing an error-splitting forward model. Combined with Gauss-Markov-Potts prior on the volume, this new forward model is experimentally shown to bring more accuracy and robustness. At last, the estimation of the uncertainties on the reconstruction is investigated by variational Bayesian approach. In order to have a reasonable computation time, it is highlighted that the use of a matched pair of projector and backprojector is necessary. Note de contenu : 1- X-ray computed tomography : an inverse problem 2- Reconstruction methods in X-ray computed tomography 3- Projection and backprojection operators 4- Gauss-Markov-Potts prior model for joint reconstruction and segmentation 5- Error-splitting forward model and its application with Gauss-Markov-Potts prior 6- Towards the estimation of the uncertainties on the reconstruction by Variational Bayesian Approach 7- Conclusion and perspectives Numéro de notice : 25702 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences et Technologies de l’Information et de la Communication (STIC) : Traitement du signal et des images : Paris 11 : 2019 Organisme de stage : Safran nature-HAL : Thèse DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-02110033 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94827

Uncertainty in radar emitter classification and clustering / Guillaume Revillon (2019)  

Public 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 images Langues : 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 aberrante Index. 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 perspectives Numéro 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