Méthodes de démélange et amélioration de résolution d'images hyperspectrales en sciences de l'univers.Prise en compte de la variabilité spectrale / BREZINI Salah Eddine 

Public ISBD Titre : Méthodes de démélange et amélioration de résolution d'images hyperspectrales en sciences de l'univers.Prise en compte de la variabilité spectrale Type de document : document électronique Auteurs : BREZINI Salah Eddine, Auteur Année de publication : 2021-2022 Accompagnement : CD Langues : Français (fre) Catégories : Electronique:Vision et Technologies de l’Information et de la Communication ( VTIC ) Mots-clés : images hyperspectrales, résolution spatiale, image multispectrale, image panchromatique, démélange spectral, variabilité spectrale, factorisation en matrice non-négatives. Résumé : Au cours de cette thèse, nous nous sommes intéressés aux traitements des images hyperspectrales de télédétection, plus précisément, à une problématique liée à qui est la faible résolution spatiale de ce type d’images. Cet aspect impacte directement le processus classificatoire, communément utilisé, car il est plus complexe de déterminer la proportion ou la superficie occupée par un matériau pur dans un pixel donné. Pour résoudre cette limitation, deux approches existent. La première, nommée démélange spectral a pour objectif de séparer les composantes du pixel c’est-à-dire les matériaux purs et déterminer leurs proportions appelées aussi abondances. Le démélange spectral tire profit des techniques développées dans la filière de la Séparation Aveugle de Sources (SAS). La deuxième technique consiste à fusionner une image hyperspectrale avec une image multispectrale ou panchromatique, de la même région, pour incorporer l’information spatiale contenue dans ces deux types d’images afin d’aboutir à une image hyperspectrale avec unerésolution spatiale de meilleure qualité. Parmi ces approches, plusieurs méthodes de fusion se basent sur le démélange spectral. Le démélange spectral nécessite la connaissance de la loi régissant le mélange. La plus répandue représente un spectre observé dans un pixel par un mélange linéaire des spectres des matériaux présents dans le même pixel, ce cas de figure est nommé mélange linéaire instantané. Malgré sa simplicité de mise en œuvre, ce dernier reste limité par deux phénomènes fréquents, à savoir, la non-linéarité et la variabilité spectrale. En particulier, le modèle de mélange linéaire stipule que chaque matériau pur présent dans une scène est décrit par un même spectre dans la totalité de la scène observée. Cela n’est pas toujours valide à cause de certains phénomènes physiques. Dans ce cas précis, la notion de matériau pur doit être remplacée par la notion de classe de matériaux. Nous parlons alors de variabilité spectrale. Une partie de cette thèse traite cette problématique en intégrant la variabilité spectrale dans le démélange spectral. Le travail de cette thèse s’inscrit dans cette configuration pour développer des méthodes tenant compte de la variabilité spectrale pour le démélange spectral dans la première partie. Ainsi trois méthodes ont été développées dans cette thèse en se basant sur un nouveau modèle de mélange proposé qui introduit la variabilité spectrale sous une forme additive. Les trois méthodes de démélange ont été développées en utilisant des algorithmes de factorisation en matrice non-négatives. Les résultats obtenus sont très prometteurs. La deuxième partie de cette thèse a permis de développer des méthodes de fusion, intégrant le phénomène de la variabilité spectrale, pour combiner une image hyperspectrale et une autre image multispectrale, de la même zone observée. Dans cette optique, deux méthodes ont été développées et présentées dans la deuxième partie de ce manuscrit. Les tests effectués montrent l’importance de considérer le phénomène de la variabilité spectrale dans le processus de fusion. Directeur de thèse : KAROUI Moussa Sofiane Méthodes de démélange et amélioration de résolution d'images hyperspectrales en sciences de l'univers.Prise en compte de la variabilité spectrale [document électronique] / BREZINI Salah Eddine, Auteur . - 2021-2022 . -  + CD. Langues : Français (fre) Catégories : Electronique:Vision et Technologies de l’Information et de la Communication ( VTIC ) Mots-clés : images hyperspectrales, résolution spatiale, image multispectrale, image panchromatique, démélange spectral, variabilité spectrale, factorisation en matrice non-négatives. Résumé : Au cours de cette thèse, nous nous sommes intéressés aux traitements des images hyperspectrales de télédétection, plus précisément, à une problématique liée à qui est la faible résolution spatiale de ce type d’images. Cet aspect impacte directement le processus classificatoire, communément utilisé, car il est plus complexe de déterminer la proportion ou la superficie occupée par un matériau pur dans un pixel donné. Pour résoudre cette limitation, deux approches existent. La première, nommée démélange spectral a pour objectif de séparer les composantes du pixel c’est-à-dire les matériaux purs et déterminer leurs proportions appelées aussi abondances. Le démélange spectral tire profit des techniques développées dans la filière de la Séparation Aveugle de Sources (SAS). La deuxième technique consiste à fusionner une image hyperspectrale avec une image multispectrale ou panchromatique, de la même région, pour incorporer l’information spatiale contenue dans ces deux types d’images afin d’aboutir à une image hyperspectrale avec unerésolution spatiale de meilleure qualité. Parmi ces approches, plusieurs méthodes de fusion se basent sur le démélange spectral. Le démélange spectral nécessite la connaissance de la loi régissant le mélange. La plus répandue représente un spectre observé dans un pixel par un mélange linéaire des spectres des matériaux présents dans le même pixel, ce cas de figure est nommé mélange linéaire instantané. Malgré sa simplicité de mise en œuvre, ce dernier reste limité par deux phénomènes fréquents, à savoir, la non-linéarité et la variabilité spectrale. En particulier, le modèle de mélange linéaire stipule que chaque matériau pur présent dans une scène est décrit par un même spectre dans la totalité de la scène observée. Cela n’est pas toujours valide à cause de certains phénomènes physiques. Dans ce cas précis, la notion de matériau pur doit être remplacée par la notion de classe de matériaux. Nous parlons alors de variabilité spectrale. Une partie de cette thèse traite cette problématique en intégrant la variabilité spectrale dans le démélange spectral. Le travail de cette thèse s’inscrit dans cette configuration pour développer des méthodes tenant compte de la variabilité spectrale pour le démélange spectral dans la première partie. Ainsi trois méthodes ont été développées dans cette thèse en se basant sur un nouveau modèle de mélange proposé qui introduit la variabilité spectrale sous une forme additive. Les trois méthodes de démélange ont été développées en utilisant des algorithmes de factorisation en matrice non-négatives. Les résultats obtenus sont très prometteurs. La deuxième partie de cette thèse a permis de développer des méthodes de fusion, intégrant le phénomène de la variabilité spectrale, pour combiner une image hyperspectrale et une autre image multispectrale, de la même zone observée. Dans cette optique, deux méthodes ont été développées et présentées dans la deuxième partie de ce manuscrit. Les tests effectués montrent l’importance de considérer le phénomène de la variabilité spectrale dans le processus de fusion. Directeur de thèse : KAROUI Moussa Sofiane

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
1933	02-09-622	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-09-622.pdf Adobe Acrobat PDF

State Representation and Robust Subspace Tracking / BEKHTAOUI Zineb 

Public ISBD Titre : State Representation and Robust Subspace Tracking Type de document : texte imprimé Auteurs : BEKHTAOUI Zineb, Auteur Année de publication : 2023-2024 Accompagnement : CD Langues : Anglais (eng) Catégories : Electronique:Vision et Technologies de l’Information et de la Communication ( VTIC ) Mots-clés : Sous-espace robuste  Vecteurs propres  Représentation d’état  Séparation aveugle de sources  Localisation angulaire  Traitement du signal  Estimation robuste Robust subspace  Eigenvectors  State representation  Blind source separation  Source localization  Signal processing  Robust estimation Résumé : Dans ce mémoire, nous avons considéré le traitement de signal par la technique des sous espaces. En effet, de par ses applications diverses telles que la compression de données, l’estimation paramétrique, la séparation de sources, la décomposition tensorielle, etc., l’estimation des sous-espaces principaux ou mineurs d’un signal multi-variant a fait l’objet d’un grand nombre de travaux de recherche, en particulier dans le cas où le système considéré est variant dans le temps. Dans ce cas, l’estimation du sous-espace doit être réalisée de manière adaptative et si possible à faible coût, nous visons par conséquent à toujours réduire la complexité calculatoire. Dans nos travaux cités ci-après, nous nous sommes penchés sur la problématique des bruits non-gaussien, soit le bruit impulsif tel que le bruit en créneaux ou le bruit α-stable, ou les données erronées ou manquantes. Nous avons donc présenté dans ce contexte, de nouveaux algorithmes robustes de poursuite de sous-espaces. Plus tard, nous avons appliqué ces algorithmes à la représentation d’état avec le cas de l’estimation et la poursuite des directions d’arrivées de cibles mouvantes en champ lointain. Nous avons par la suite étendu nos algorithmes au cas de l’estimation des vecteurs propres principaux. Enfin, nous avons appliqué ces derniers pour le blanchiment adaptatif en séparation aveugle de sources. Les performances de tous les algorithmes proposés ont été évalués et validés par simulation, et les travaux correspendants ont tous été soumis et acceptés en production scientifique. In this thesis, we have considered signal processing using the subspaces technique. Indeed, due to its various applications such as data compression, parametric estimation, source separation, tensor decomposition, etc., the estimation of the main or minor subspaces of a multi-variant signal has been the subject of a large number of research works, in particular in the case where the considered system is time-varying. In this case, the estimation of the subspace must be done in an adaptive way, and if possible at a low cost, we, therefore, aim to always reduce the computational complexity. In our work cited below, we have addressed the problem of non-Gaussian noise, i.e. impulsive noise such as burst noise or α-stable noise, outliers, or missing data. In this context, we have presented new robust subspace tracking algorithms. Later, we applied these algorithms to the state representation in the case of the estimation and tracking of directions of arrival. We then extended our algorithms to the case of principal eigenvectors estimation. Finally, we have applied them to blind source separation. The proposed algorithms’ performances have been evaluated and validated by simulation and have all been submitted and accepted for scientific production. Directeur de thèse : MECHE Abdelkrim State Representation and Robust Subspace Tracking [texte imprimé] / BEKHTAOUI Zineb, Auteur . - 2023-2024 . -  + CD. Langues : Anglais (eng) Catégories : Electronique:Vision et Technologies de l’Information et de la Communication ( VTIC ) Mots-clés : Sous-espace robuste  Vecteurs propres  Représentation d’état  Séparation aveugle de sources  Localisation angulaire  Traitement du signal  Estimation robuste Robust subspace  Eigenvectors  State representation  Blind source separation  Source localization  Signal processing  Robust estimation Résumé : Dans ce mémoire, nous avons considéré le traitement de signal par la technique des sous espaces. En effet, de par ses applications diverses telles que la compression de données, l’estimation paramétrique, la séparation de sources, la décomposition tensorielle, etc., l’estimation des sous-espaces principaux ou mineurs d’un signal multi-variant a fait l’objet d’un grand nombre de travaux de recherche, en particulier dans le cas où le système considéré est variant dans le temps. Dans ce cas, l’estimation du sous-espace doit être réalisée de manière adaptative et si possible à faible coût, nous visons par conséquent à toujours réduire la complexité calculatoire. Dans nos travaux cités ci-après, nous nous sommes penchés sur la problématique des bruits non-gaussien, soit le bruit impulsif tel que le bruit en créneaux ou le bruit α-stable, ou les données erronées ou manquantes. Nous avons donc présenté dans ce contexte, de nouveaux algorithmes robustes de poursuite de sous-espaces. Plus tard, nous avons appliqué ces algorithmes à la représentation d’état avec le cas de l’estimation et la poursuite des directions d’arrivées de cibles mouvantes en champ lointain. Nous avons par la suite étendu nos algorithmes au cas de l’estimation des vecteurs propres principaux. Enfin, nous avons appliqué ces derniers pour le blanchiment adaptatif en séparation aveugle de sources. Les performances de tous les algorithmes proposés ont été évalués et validés par simulation, et les travaux correspendants ont tous été soumis et acceptés en production scientifique. In this thesis, we have considered signal processing using the subspaces technique. Indeed, due to its various applications such as data compression, parametric estimation, source separation, tensor decomposition, etc., the estimation of the main or minor subspaces of a multi-variant signal has been the subject of a large number of research works, in particular in the case where the considered system is time-varying. In this case, the estimation of the subspace must be done in an adaptive way, and if possible at a low cost, we, therefore, aim to always reduce the computational complexity. In our work cited below, we have addressed the problem of non-Gaussian noise, i.e. impulsive noise such as burst noise or α-stable noise, outliers, or missing data. In this context, we have presented new robust subspace tracking algorithms. Later, we applied these algorithms to the state representation in the case of the estimation and tracking of directions of arrival. We then extended our algorithms to the case of principal eigenvectors estimation. Finally, we have applied them to blind source separation. The proposed algorithms’ performances have been evaluated and validated by simulation and have all been submitted and accepted for scientific production. Directeur de thèse : MECHE Abdelkrim

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
9065	02-09-637	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-09-637.pdf Adobe Acrobat PDF