Apprentissage sur des données multispectrales et multiplateformes au profit des systèmes de mission de surveillance - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2023

Deep learning on multispectral and multi-platform data to benefit surveillance mission systems

Apprentissage sur des données multispectrales et multiplateformes au profit des systèmes de mission de surveillance

Résumé

Surveillance mission systems allow for the acquisition of data, which can then be interpreted by humans or by automatic methods to meet various military or civilian needs. In order to respond to increasing needs, these systems must evolve, particularly through the use of new types of sensors and imaging methods. Hyperspectral imaging allows the estimation of the presence and position of chemical compositions in images and thus allows the discrimination and localization of materials at long range. Over the past few decades, hyperspectral imaging has greatly increased in accessibility, making it a prime candidate for the evolution of surveillance mission systems. In this thesis, we focus on problems of detection, discrimination and recognition of materials in hyperspectral images acquired in various acquisition conditions on the ground or at low altitude. We have acquired two large on-ground hyperspectral databases of vehicles and materials of interest for surveillance mission systems, under multiple illumination conditions. We have proposed several methods to reduce the constraints related to the calibration of the acquired hyperspectral images. Finally, we have proposed several methods for processing and analyzing hyperspectral images acquired under various conditions for material detection and discrimination.
Les systèmes de mission de surveillance permettent l'acquisition de données, qui peuvent ensuite être interprétées par des humains ou par des méthodes automatiques pour répondre à des besoins divers militaires ou civils. Afin de pouvoir répondre à des besoins de plus en plus importants, ces systèmes doivent évoluer, notamment à travers l’utilisation de nouveaux types de capteurs et d’imagerie. L'imagerie hyperspectrale permet d'estimer la présence et la position de compositions chimiques dans des images et permet ainsi la discrimination et la localisation de matériaux à longue distance. Au cours des dernières décennies, l’imagerie hyperspectrale a grandement gagné en accessibilité, ce qui en fait un candidat de premier choix pour l’évolution des systèmes de mission de surveillance. Dans cette thèse, nous nous intéressons à des problématiques de détection, de discrimination et de reconnaissance de matériaux dans des images hyperspectrales acquises dans des conditions d'acquisition variées au sol ou à faible altitude. Nous avons acquis deux grandes bases de données hyperspectrales terrestres, de véhicules et de matériaux d’intérêt pour les systèmes de mission de surveillance, dans de multiples conditions d’illumination. Nous avons proposé plusieurs méthodes pour réduire les contraintes liées à la calibration des images hyperspectrales acquises. Enfin, nous avons proposé plusieurs méthodes de traitement et d’analyse d’images hyperspectrales acquises dans des conditions variées pour la détection et la discrimination de matériaux.
Fichier principal
Vignette du fichier
CAUBET_CHRISTOPHE_2023.pdf (14.58 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04390283 , version 1 (29-01-2024)

Identifiants

  • HAL Id : tel-04390283 , version 1

Citer

Christophe Caubet. Apprentissage sur des données multispectrales et multiplateformes au profit des systèmes de mission de surveillance. Vision par ordinateur et reconnaissance de formes [cs.CV]. Université de Bordeaux, 2023. Français. ⟨NNT : 2023BORD0217⟩. ⟨tel-04390283⟩
58 Consultations
8 Téléchargements

Partager

Gmail Facebook X LinkedIn More