Centre dedocumentation
scientifique

Global observations of ocean surface winds and waves using spaceborne synthetic aperture radar measurements / Huimin Li (2019)  

Public Titre : Global observations of ocean surface winds and waves using spaceborne synthetic aperture radar measurements Type de document : Thèse/HDR Auteurs : Huimin Li, Auteur Editeur : Institut Mines-Télécom Atlantique - IMT Année de publication : 2019 Importance : 163 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse de Doctorat de l'Ecole Nationale Supérieure des Mines-Telecom Atlantique Bretagne Pays de la Loire-IMT Atlantique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] angle d'incidence [Termes descripteurs IGN] étalonnage des données [Termes descripteurs IGN] fonction de transfert de modulation [Termes descripteurs IGN] houle [Termes descripteurs IGN] image Envisat-ASAR [Termes descripteurs IGN] image Gaofen [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image Radarsat [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] océan [Termes descripteurs IGN] phénomène météorologique [Termes descripteurs IGN] polarisation croisée [Termes descripteurs IGN] radar à antenne synthétique [Termes descripteurs IGN] rapport signal sur bruit [Termes descripteurs IGN] tempête [Termes descripteurs IGN] trajectoire [Termes descripteurs IGN] vague [Termes descripteurs IGN] vent Index. décimale : THESE Thèses et HDR Résumé : (auteur) Spaceborne synthetic aperture radar (SAR) has been demonstrated invaluable in observing the global ocean winds and waves. SAR images acquired by multiple sensors are employed, including Sentinel-1(S-1), Envisat/ASAR, Gaofen-3 and Radarsat-2. This thesis reviews the commonly used SAR parameters (NRCS and azimuth cutoff) in the first part. A series of calibration steps are required to obtain a proper NRCS and assessment of NRCS is carried out for S-1wave mode (WV). It turns out that WV is poorly calibrated and is thus re-calibrated to obtain accurate NRCS. Azimuth cut off is demonstrated to be complementary to NRCS and can account for the sea state impact on the wind retrieval. Based on the available fully polarimetric SAR products, azimuth cut off is found to vary greatly with polarizations. The present SAR mapping transformation is sufficient to interpret the co-polarized azimuth cut off, while not for the cross-polarization. With the limitations of SAR imaging in mind, a new parameter is proposed and defined based on the SAR image cross-spectra, termed as MACS. The imaginary part of MACS is found to be a signed quantity relative to the wind direction. Given this dependence, an independent wind retrieval algorithm is expected to benefit. The magnitude of MACS is able to aid for estimate of modulation function of SAR mapping. In addition, MACS also gives promising results regarding the global wave studies. The global signatures of MACS at various wave lengths are well representative of the winds distributions, spatially and seasonally. MACS of long waves shows greater values over the storm tracks while the shorter waves are mostly within the trader winds. These results are expected to help evaluate the model outputs and complement further studies of the global wave spectral climate. Data continuity in the coming 10 years shall extend the study towards longer duration. Note de contenu : I- Background and study of the existing SAR parameters Chap. 1 - Background Chap. 2 - SAR imaging of the ocean surface Chap. 3 - Status and challenges in SAR winds Chap. 4 - Azimuth cutoff of polarimetric SAR images II- A new SAR parameter and its applications in wind/wave study Chap. 5 - A new SAR parameter: MACS and its directionality Chap. 6 - Statistics of MACS magnitude and derived RAR MTF Chap. 7 - Investigation of global ocean waves using SAR MACS Chap. 8 - Conclusion and perspectives Numéro de notice : 25729 Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de la Mer et du littoral : Spécialité : Océanographie, Physique et Environnement : Plouzané: 2019 Organisme de stage : Ifremer En ligne : https://tel.archives-ouvertes.fr/tel-02164506 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94895

Segmentation d'image par intégration itérative de connaissances / Mahaman Sani Chaibou Salaou (2019)  

Public contenu dans HAL Hyper articles en ligne / Centre pour la Communication Scientifique Directe CCSD (2000)   Titre : Segmentation d'image par intégration itérative de connaissances Type de document : Thèse/HDR Auteurs : Mahaman Sani Chaibou Salaou, Auteur ; Basel Solaiman, Directeur de thèse ; Mohamed Ali Mahjoub, Directeur de thèse Editeur : Institut Mines-Télécom Atlantique - IMT Année de publication : 2019 Autre Editeur : Université Bretagne Loire Importance : 148 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de Doctorat de l'Ecole Nationale Supérieure Mines - Telecom Atlantique Bretagne Pays de la Loire, Spécialité : Signal, Image et Vision Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] classification basée sur les régions [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] description multiniveau [Termes descripteurs IGN] détection de région [Termes descripteurs IGN] fusion de données [Termes descripteurs IGN] interprétation automatique [Termes descripteurs IGN] réseau neuronal artificiel [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] superpixel [Termes descripteurs IGN] zone d'intérêt Résumé : (auteur) Le traitement d’images est un axe de recherche très actif depuis des années. L’interprétation des images constitue une de ses branches les plus importantes de par ses applications socio-économiques et scientifiques. Cependant cette interprétation, comme la plupart des processus de traitements d’images, nécessite une phase de segmentation pour délimiter les régions à analyser. En fait l’interprétation est un traitement qui permet de donner un sens aux régions détectées par la phase de segmentation. Ainsi, la phase d’interprétation ne pourra analyser que les régions détectées lors de la segmentation. Bien que l’objectif de l’interprétation automatique soit d’avoir le même résultat qu’une interprétation humaine, la logique des techniques classiques de ce domaine ne marie pas celle de l’interprétation humaine. La majorité des approches classiques d’interprétation d’images séparent la phase de segmentation et celle de l’interprétation. Les images sont d’abord segmentées puis les régions détectées sont interprétées. En plus, au niveau de la segmentation les techniques classiques parcourent les images de manière séquentielle, dans l’ordre de stockage des pixels. Ce parcours ne reflète pas nécessairement le parcours de l’expert humain lors de son exploration de l’image. En effet ce dernier commence le plus souvent par balayer l’image à la recherche d’éventuelles zones d’intérêts. Dans le cas échéant, il analyse les zones potentielles sous trois niveaux de vue pour essayer de reconnaitre de quel objet s’agit-il. Premièrement, il analyse la zone en se basant sur ses caractéristiques physiques. Ensuite il considère les zones avoisinantes de celle-ci et enfin il zoome sur toute l’image afin d’avoir une vue complète tout en considérant les informations locales à la zone et celles de ses voisines. Pendant son exploration, l’expert, en plus des informations directement obtenues sur les caractéristiques physiques de l’image, fait appel à plusieurs sources d’informations qu’il fusionne pour interpréter l’image. Ces sources peuvent inclure les connaissent acquises grâce à son expérience professionnelle, les contraintes existantes entre les objets de ce type d’images, etc. L’idée de l’approche présentée ici est que simuler l’activité visuelle de l’expert permettrait une meilleure compatibilité entre les résultats de l’interprétation et ceux de l’expert. Ainsi nous retenons de cette analyse trois aspects importants du processus d’interprétation d’image que nous allons modéliser dans l’approche proposée dans ce travail : 1. Le processus de segmentation n’est pas nécessairement séquentiel comme la plus part des techniques de segmentations qu’on rencontre, mais plutôt une suite de décisions pouvant remettre en cause leurs prédécesseurs. L’essentiel étant à la fin d’avoir la meilleure classification des régions. L’interprétation ne doit pas être limitée par la segmentation. 2. Le processus de caractérisation d’une zone d’intérêt n’est pas strictement monotone i.e. que l’expert peut aller d’une vue centrée sur la zone à vue plus large incluant ses voisines pour ensuite retourner vers la vue contenant uniquement la zone et vice-versa. 3. Lors de la décision plusieurs sources d’informations sont sollicitées et fusionnées pour une meilleure certitude. La modélisation proposée de ces trois niveaux met particulièrement l’accent sur les connaissances utilisées et le raisonnement qui mène à la segmentation des images. Note de contenu : Introduction générale 1- Segmentation pour l’interprétation de scène 2- Segmentation par propagation des connaissances 3- Croissance des régions adaptative 4- Similarité des superpixels par apprentissage Conclusions Numéro de notice : 25840 Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Spécialité : Signal, Image et Vision : Brest : 2019 En ligne : https://tel.archives-ouvertes.fr/tel-02310224 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95181

Sparsity, redundancy and robustness in artificial neural networks for learning and memory / Philippe Tigréat (2017)  

Public contenu dans HAL Hyper articles en ligne / Centre pour la Communication Scientifique Directe CCSD (2000)   Titre : Sparsity, redundancy and robustness in artificial neural networks for learning and memory Type de document : Thèse/HDR Auteurs : Philippe Tigréat, Auteur ; Claude Berrou, Directeur de thèse Editeur : Institut Mines-Télécom Atlantique - IMT Année de publication : 2017 Autre Editeur : Université Bretagne Loire Importance : 150 P. Format : 21 x 30 cm Note générale : bibliographie Thèse IMT Atlantique sous le sceau de l’Université Bretagne Loire pour obtenir le grade de DOCTEUR D'IMT Atlantique, Spécialité : Signal, Image, Vision Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle [Termes descripteurs IGN] apprentissage (cognition) [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] codage [Termes descripteurs IGN] cognition [Termes descripteurs IGN] mémoire [Termes descripteurs IGN] reconnaissance de formes [Termes descripteurs IGN] stockage de données Résumé : (auteur) The objective of research in Artificial Intelligence (AI) is to reproduce human cognitive abilities by means of modern computers. The results of the last few years seem to announce a technological revolution that could profoundly change society. We focus our interest on two fundamental cognitive aspects, learning and memory. Associative memories offer the possibility to store information elements and to retrieve them using a sub-part of their content, thus mimicking human memory. Deep Learning allows to transition from an analog perception of the outside world to a sparse and more compact representation.In Chapter 2, we present a neural associative memory model inspired by Willshaw networks, with constrained connectivity. This brings an performance improvement in message retrieval and a more efficient storage of information.In Chapter 3, a convolutional architecture was applied on a task of reading partially displayed words under similar conditions as in a former psychology study on human subjects. This experiment put inevidence the similarities in behavior of the network with the human subjects regarding various properties of the display of words.Chapter 4 introduces a new method for representing categories usingneuron assemblies in deep networks. For problems with a large number of classes, this allows to reduce significantly the dimensions of a network.Chapter 5 describes a method for interfacing deep unsupervised networks with clique-based associative memories. Note de contenu : 1- Introduction 2- Sparse Neural Associative Memories 3- Robustness of Deep Neural Networks to Erasures in a Reading Task 4- Assembly Output Codes for Learning Neural Networks 5- Combination of Unsupervised Learning and Associative Memory 6- Conclusion and Openings Numéro de notice : 25836 Thématique : INFORMATIQUE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Spécialité : Signal, Image, Vision : Brest : 2017 En ligne : https://tel.archives-ouvertes.fr/tel-01812053 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95178