Détail de l'auteur
Auteur Jean-Yves Tourneret |
Documents disponibles écrits par cet auteur (7)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externes
Titre : Estimation parcimonieuse de biais multitrajets pour les systèmes GNSS Type de document : Thèse/HDR Auteurs : Julien Lesouple, Auteur ; Jean-Yves Tourneret, Auteur ; François Vincent, Auteur Editeur : Toulouse : Université de Toulouse Année de publication : 2019 Importance : 217 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, spécialité : Informatique et TélécommunicationLangues : Français (fre) Descripteur : [Vedettes matières IGN] Navigation et positionnement
[Termes IGN] chaîne de Markov
[Termes IGN] correction du trajet multiple
[Termes IGN] distribution de Gauss
[Termes IGN] erreur de mesure
[Termes IGN] erreur systématique
[Termes IGN] estimation bayesienne
[Termes IGN] filtrage du signal
[Termes IGN] mesurage par GNSS
[Termes IGN] récepteur GNSS
[Termes IGN] représentation parcimonieuse
[Termes IGN] traitement du signal
[Termes IGN] trajet multipleRésumé : (auteur) L’évolution des technologies électroniques (miniaturisation, diminution des coûts) a permis aux GNSS (systèmes de navigation par satellites) d’être de plus en plus accessibles et donc utilisés au quotidien, par exemple par le biais d’un smartphone, ou de récepteurs disponibles dans le commerce à des prix raisonnables (récepteurs bas-coûts). Ces récepteurs fournissent à l’utilisateur plusieurs informations, comme par exemple sa position et sa vitesse, ainsi que des mesures des temps de propagation entre le récepteur et les satellites visibles entre autres. Ces récepteurs sont donc devenus très répandus pour les utilisateurs souhaitant évaluer des techniques de positionnement sans développer tout le hardware nécessaire. Les signaux issus des satellites GNSS sont perturbés par de nombreuses sources d’erreurs entre le moment où ils sont traités par le récepteurs pour estimer la mesure correspondante. Il est donc nécessaire decompenser chacune des ces erreurs afin de fournir à l’utilisateur la meilleure position possible. Une des sources d’erreurs recevant beaucoup d’intérêt, est le phénomène de réflexion des différents signaux sur les éventuels obstacles de la scène dans laquelle se trouve l’utilisateur, appelé multitrajets. L’objectif de cette thèse est de proposer des algorithmes permettant de limiter l’effet des multitrajets sur les mesures GNSS. La première idée développée dans cette thèse est de supposer que ces signaux multitrajets donnent naissance à des biais additifs parcimonieux. Cette hypothèse de parcimonie permet d’estimer ces biais à l’aide de méthodes efficaces comme le problème LASSO. Plusieurs variantes ont été développés autour de cette hypothèse visant à contraindre le nombre de satellites ne souffrant pas de multitrajet comme non nul. La deuxième idée explorée dans cette thèse est une technique d’estimation des erreurs de mesure GNSS à partir d’une solution de référence, qui suppose que les erreurs dues aux multitrajets peuvent se modéliser à l’aide de mélanges de Gaussiennes ou de modèles de Markov cachés. Deux méthodes de positionnement adaptées à ces modèles sont étudiées pour la navigation GNSS. Note de contenu : Introduction
1- La navigation par satellites
2- Estimation parcimonieuse pour la navigation par satellites
3- Estimation Bayésienne des hyperparamètres
4- Utilisation de mélanges de Gaussiennes pour la modélisation des erreurs GNSS
Conclusion et perspectivesNuméro de notice : 25802 Affiliation des auteurs : non IGN Thématique : IMAGERIE/POSITIONNEMENT Nature : Thèse française Note de thèse : thèse de Doctorat : Informatique et Télécommunication : Toulouse : 2019 nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2019INPT0020 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95044 Modeling spatial and temporal variabilities in hyperspectral image unmixing / Pierre-Antoine Thouvenin (2017)
Titre : Modeling spatial and temporal variabilities in hyperspectral image unmixing Type de document : Thèse/HDR Auteurs : Pierre-Antoine Thouvenin, Auteur ; Nicolas Dobigeon, Directeur de thèse ; Jean-Yves Tourneret, Directeur de thèse Editeur : Toulouse : Université de Toulouse Année de publication : 2017 Importance : 191 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, Spécialité Signal, Image, Acoustique et OptimisationLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] amplitude
[Termes IGN] analyse des mélanges spectraux
[Termes IGN] données multitemporelles
[Termes IGN] image hyperspectrale
[Termes IGN] méthode de Monte-Carlo par chaînes de Markov
[Termes IGN] optimisation (mathématiques)
[Termes IGN] processus stochastique
[Termes IGN] séparation aveugle de source
[Termes IGN] signature spectrale
[Termes IGN] variabilitéRésumé : (auteur) Acquired in hundreds of contiguous spectral bands, hyperspectral (HS) images have received an increasing interest due to the significant spectral information they convey about the materials present in a given scene. However, the limited spatial resolution of hyperspectral sensors implies that the observations are mixtures of multiple signatures corresponding to distinct materials. Hyperspectral unmixing is aimed at identifying the reference spectral signatures composing the data – referred to as endmembers – and their relative proportion in each pixel according to a predefined mixture model. In this context, a given material is commonly assumed to be represented by a single spectral signature. This assumption shows a first limitation, since endmembers may vary locally within a single image, or from an image to another due to varying acquisition conditions, such as declivity and possibly complex interactions between the incident light and the observed materials. Unless properly accounted for, spectral variability can have a significant impact on the shape
and the amplitude of the acquired signatures, thus inducing possibly significant estimation errors during the unmixing process. A second limitation results from the significant size of HS data, which may preclude the use of batch estimation procedures commonly used in the literature, i.e., techniques exploiting all the available data at once. Such computational considerations notably become prominent to characterize endmember variability in multi-temporal HS (MTHS) images, i.e., sequences of HS images acquired over the same area at different time instants. The main objective of this thesis consists in introducing new models and unmixing procedures to account for spatial and temporal endmember variability. Endmember variability is addressed by considering an explicit variability model reminiscent of the total least squares problem, and later extended to account for time-varying signatures. The variability is first estimated using an unsupervised deterministic optimization procedure based on the Alternating Direction Method of Multipliers (ADMM). Given the sensitivity of this approach to abrupt spectral variations, a robust model formulated within a Bayesian framework is introduced. This formulation enables smooth spectral variations to be described in terms of spectral variability, and abrupt changes in terms of outliers. Finally, the computational restrictions induced by the size of the data is tackled by an online estimation algorithm. This work further investigates an asynchronous distributed estimation procedure to estimate the parameters of the proposed models.Note de contenu : Introduction
1- Hyperspectral unmixing with spectral variability using a perturbed linear mixing model
2- A Bayesian model accounting for endmember variability and abrupt spectral changes to unmix multitemporal hyperspectral images
3- Online unmixing of multitemporal hyperspectral images
4- A partially asynchronous distributed unmixing algorithm
Conclusions et perspectivesNuméro de notice : 25812 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Spécialité : Signal, Image, Acoustique et Optimisation : Toulouse : 2017 Organisme de stage : Institut de Recherche en Informatique de Toulouse (I.R.I.T.) nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2017INPT0068 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95075 Estimating the intrinsic dimension of hyperspectral images using a noise-whitened eigengap approach / Abderrahim Halimi in IEEE Transactions on geoscience and remote sensing, vol 54 n° 7 (July 2016)
Titre : Estimating the intrinsic dimension of hyperspectral images using a noise-whitened eigengap approach Type de document : Article/Communication Auteurs : Abderrahim Halimi, Auteur ; Paul Honeine, Auteur ; Malika Kharouf, Auteur ; Cédric Richard, Auteur ; Jean-Yves Tourneret, Auteur Année de publication : 2016 Article en page(s) : pp 3811 - 3821 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] bruit blanc
[Termes IGN] image hyperspectrale
[Termes IGN] modèle de mélange multilinéaire
[Termes IGN] valeur propreRésumé : (Auteur) Linear mixture models are commonly used to represent a hyperspectral data cube as linear combinations of endmember spectra. However, determining the number of endmembers for images embedded in noise is a crucial task. This paper proposes a fully automatic approach for estimating the number of endmembers in hyperspectral images. The estimation is based on recent results of random matrix theory related to the so-called spiked population model. More precisely, we study the gap between successive eigenvalues of the sample covariance matrix constructed from high-dimensional noisy samples. The resulting estimation strategy is fully automatic and robust to correlated noise owing to the consideration of a noise-whitening step. This strategy is validated on both synthetic and real images. The experimental results are very promising and show the accuracy of this algorithm with respect to state-of-the-art algorithms. Numéro de notice : A2016-873 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2016.2528298 En ligne : http://dx.doi.org/10.1109/TGRS.2016.2528298 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83032
in IEEE Transactions on geoscience and remote sensing > vol 54 n° 7 (July 2016) . - pp 3811 - 3821[article]
Titre : Multifractal analysis for multivariate data with application to remote sensing Type de document : Thèse/HDR Auteurs : Sébastien Combrexelle, Auteur ; Jean-Yves Tourneret, Directeur de thèse ; Steve Mclaughlin, Directeur de thèse Editeur : Toulouse : Université de Toulouse Année de publication : 2016 Importance : 211 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, Spécialité Signal, Image, Acoustique et OptimisationLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse fractale
[Termes IGN] analyse multivariée
[Termes IGN] approche hiérarchique
[Termes IGN] estimation bayesienne
[Termes IGN] image hyperspectrale
[Termes IGN] modèle statistique
[Termes IGN] télédétection
[Termes IGN] texture d'image
[Termes IGN] transformation en ondelettesRésumé : (auteur) Texture characterization is a central element in many image processing applications. Texture analysis
can be embedded in the mathematical framework of multifractal analysis, enabling the study of the fluctuations in regularity of image intensity and providing practical tools for their assessment, the wavelet coefficients or wavelet leaders. Although successfully applied in various contexts, multifractal analysis suffers at present from two major limitations. First, the accurate estimation of multifractal parameters for image texture remains a challenge, notably for small image sizes. Second, multifractal analysis has so far been limited to the analysis of a single image, while the data available in applications are increasingly multivariate. The main goal of this thesis is to develop practical contributions to overcome these limitations. The first limitation is tackled by introducing a generic statistical model for the logarithm of wavelet leaders, parametrized by multifractal parameters of interest. This statistical model enables us to counterbalance the variability induced by small sample sizes and to
embed the estimation in a Bayesian framework. This yields robust and accurate estimation procedures, effective both for small and large images. The multifractal analysis of multivariate images is then addressed by generalizing this Bayesian framework to hierarchical models able to account for the assumption that multifractal properties evolve smoothly in the dataset. This is achieved via the design of suitable priors relating the dynamical properties of the multifractal parameters of the different components composing the dataset. Different priors are investigated and compared in this thesis by means of numerical simulations conducted on synthetic multivariate multifractal images. This work is further completed by the investigation of the potential benefits of multifractal analysis and the proposed Bayesian methodology for remote sensing via the example of hyperspectral imaging.Note de contenu : Introduction
1- Multifractal analysis
2- Statistical model and univariate Bayesian estimation
3- Bayesian multifractal analysis of
multivariate imagesNuméro de notice : 25811 Affiliation des auteurs : non IGN Thématique : IMAGERIE/MATHEMATIQUE Nature : Thèse étrangère Note de thèse : Thèse de Doctorat : Spécialité : Signal, Image, Acoustique et Optimisation : Toulouse : 2016 Organisme de stage : Institut de Recherche en Informatique de Toulouse (I.R.I.T.) En ligne : http://www.theses.fr/2016INPT0078 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95074
Titre : Hyperspectral and multispectral image fusion based on a sparse representation Type de document : Article/Communication Auteurs : Qi Wei, Auteur ; José Bioucas-Dias, Auteur ; Nicolas Dobigeon, Auteur ; Jean-Yves Tourneret, Auteur Année de publication : 2015 Article en page(s) : pp 3658 - 3668 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] décomposition d'image
[Termes IGN] fusion d'images
[Termes IGN] image hyperspectrale
[Termes IGN] image multibande
[Termes IGN] optimisation (mathématiques)
[Termes IGN] problème inverse
[Termes IGN] représentation parcimonieuseRésumé : (Résumé) This paper presents a variational-based approach for fusing hyperspectral and multispectral images. The fusion problem is formulated as an inverse problem whose solution is the target image assumed to live in a lower dimensional subspace. A sparse regularization term is carefully designed, relying on a decomposition of the scene on a set of dictionaries. The dictionary atoms and the supports of the corresponding active coding coefficients are learned from the observed images. Then, conditionally on these dictionaries and supports, the fusion problem is solved via alternating optimization with respect to the target image (using the alternating direction method of multipliers) and the coding coefficients. Simulation results demonstrate the efficiency of the proposed algorithm when compared with state-of-the-art fusion methods. Numéro de notice : A2015-315 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2014.2381272 En ligne : https://doi.org/10.1109/TGRS.2014.2381272 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=76564
in IEEE Transactions on geoscience and remote sensing > vol 53 n° 7 (July 2015) . - pp 3658 - 3668[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 065-2015071 RAB Revue Centre de documentation En réserve 3L Disponible PermalinkPermalink
