Les centres d'intérêt du projet Ariana couvrent toutes les applications liées à l'imagerie satellitaire et aérienne. Par exemple la restauration d'image (débruitage et déconvolution), la reconstruction stéréoscopique ou multi-caméra, la super-résolution, l'extraction de données complexes dans divers environnements ou encore la recherche d'information dans des bases de données de télédétection.
Tous ces problèmes ont pour point commun d'être des problèmes inverses mal posés. Même lorsque l'existence et l'unicité de la solution sont garanties, la solution est généralement instable à cause des perturbations introduites par les appareils de mesure. Il est donc nécessaire d'introduire des connaissances a priori sur la solution. Ceci permet de réduire la dimension de l'ensemble des solutions et de stabiliser la solution en présence de perturbations
| Le débruitage et la déconvolution |
Ce sont peut-être les applications de plus bas niveau dans lesquelles le projet s'investit. Ce sont aussi les problèmes les plus étudiés dans la communauté du traitement d'image. Il reste néanmoins de nombreux progrès à faire en modélisant mieux les images et les bruits. C'est dans cette optique que le projet s'intéresse à la décomposition d'images en plusieurs composantes ou aux chaînes de Markov cachées d'ondelettes complexes. Le projet s'intéresse aussi aux problèmes de déconvolution aveugle.
Figure 1. Gauche : débruitage ; milieu : une image dégradée (floue et bruitée) ; droite :
image restaurée.
| La segmentation et la classification |
Dans beaucoup d'applications, il est nécessaire de séparer l'image en plusieurs parties. Chaque partie correspond à une entité dans la scène, par exemple une forêt ou une zone urbaine. Par la suite, il faut souvent identifier chaque partie obtenue après segmentation. Ces problèmes sont étudiés depuis longtemps, mais il reste encore beaucoup de travail à fournir, notamment dans le cadre de la modélisation et de l'utilisation d'à priori géométriques.
Figure 2. Gauche : une image satellitaire ; droite : la classification.
| L'extraction de structures |
L'augmentation progressive de la résolution des images de télédétection permet de détecter des structures de plus en plus complexes dans les images. Par exemple, ce qu'on considérait dans le temps comme une texture devient aujourd'hui un arrangement de maisons individuelles ou un ensemble d'arbres de types différents. De nombreuses applications potentielles voient ainsi le jour, mais demandent aussi des techniques novatrices pour les traiter.
Figure 3. Gauche : extraction d'un réseau routier ; droite : extraction d'arbres.
L'observation de la Terre et la cartographie ne se font pas uniquement à partir d'images bidimensionnelles. Un des problèmes importants est la construction de modèles numériques d'élévation (MNE) 3D, à partir de paires d'images haute résolution, obtenues par imagerie satellitaire ou aérienne. L'imagerie par radars à ouverture synthétique (RSO), contient une information d'élévation et permet de produire des MNE plus précis grâce à des techniques d'interférométrie par exemple.
Figure 4. Gauche : MNE; droite : interférometrie.
| La recherche dans des bases de données |
Tous les jours, de grandes quantités de données sont produites et accumulées dans des bases de données (BdD). Des méthodes d'accès intelligentes à ces BdD sont devenues un problème de plus en plus important. Le projet s'intéresse maintenant à la recherche d'informations dans des BdD d'images de télédétection non structurées.
Figure 5. Recalage d'images pour l'évaluation des sytèmes de recherche. Gauche : mosaïque d'images aériennes ; droite : vérité de terrain recalée.
Nouvelle page de démos
