Détail de l'auteur
Auteur Weiying Zhao |
Documents disponibles écrits par cet auteur (1)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
![Tris disponibles](./images/orderby_az.gif)
Multitemporal SAR images denoising and change detection : applications to Sentinel-1 data / Weiying Zhao (2019)
![]()
Titre : Multitemporal SAR images denoising and change detection : applications to Sentinel-1 data Type de document : Thèse/HDR Auteurs : Weiying Zhao, Auteur ; Florence Tupin, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2019 Autre Editeur : Paris [France] : Télécom ParisTech Importance : 181 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de doctorat de l'Université Paris-Saclay préparée à Telecom ParisTech, Specialité de doctorat : traitement du signal et des imagesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] analyse diachronique
[Termes IGN] apprentissage profond
[Termes IGN] détection de changement
[Termes IGN] filtrage du bruit
[Termes IGN] filtrage temporel
[Termes IGN] filtre adaptatif
[Termes IGN] filtre de déchatoiement
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] radar à antenne synthétiqueIndex. décimale : THESE Thèses et HDR Résumé : (auteur) The inherent speckle which is attached to any coherent imaging system affects the analysis and interpretation of synthetic aperture radar (SAR) images. To take advantage of well-registered multi-temporal SAR images, we improve the adaptive nonlocal temporal filter with state-of-the-art adaptive denoising methods and propose a patch based adaptive temporal filter. To address the bias problem of the denoising results, we propose a fast and efficient multitemporal despeckling method. The key idea of the proposed approach is the use of the ratio image, provided by the ratio between an image and the temporal mean of the stack. This ratio image is easier to denoise than a single image thanks to its improved stationarity. Besides, temporally stable thin structures are well-preserved thanks to the multi-temporal mean. Without reference image, we propose to use a patch-based auto-covariance residual evaluation method to examine the residual image and look for possible remaining structural contents. With speckle reduction images, we propose to use simplified generalized likelihood ratio method to detect the change area, change magnitude and change times in long series of well-registered images. Based on spectral clustering, we apply the simplified generalized likelihood ratio to detect the time series change types. Then, jet colormap and HSV colorization may be used to vividly visualize the detection results. These methods have been successfully applied to monitor farmland area, urban area, harbor region, and flooding area changes. Note de contenu : Introduction
I- Basics of SAR and used data
II- Multitemporal denoising
III- Multi-temporal images change detection
Conclusion and perspectiveNuméro de notice : 25845 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du signal et des images : Telecom ParisTech : 2019 Organisme de stage : Telecom ParisTech nature-HAL : Thèse DOI : sans En ligne : https://pastel.archives-ouvertes.fr/tel-02095817/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95253