Le rayonnement émis par un humain peut être détecté par un capteur infrarouge travaillant dans la bande 8-14µm. Les caméras basées sur ce type de détecteur, initialement réservées aux applications militaires, sont en développement constant grâce à la demande croissante d’applications commerciales telles que la détection de personnes ou la thermographie. Les détecteurs « non refroidis » constitués de matrices microbolomètriques représentent aujourd’hui près de 95% du marché industriel mais demeurent néanmoins trop couteux pour des applications grand-public. Pour remédier à ce problème, le travail reporté dans ce mémoire est relatif à la conception et la réalisation d’un système de vision infrarouge intégrant un capteur thermique matriciel développé au laboratoire et principalement destiné à la détection de personnes. Contrairement aux matrices bolométriques basées sur une variation de résistance électrique, ce capteur fonctionnant par effet thermoélectrique ne nécessite pas d’alimentation et l’interface électronique associée est très simple. Une attention particulière a été portée sur la diminution des coûts de fabrication par réduction des dimensions des pixels thermoélectriques associés à un objectif équipé d’une lentille de Fresnel en polyéthylène afin de permettre l’implantation de ce type de système dans l’habitat individuel. Des séries de microcapteurs 5x5, 7x7, 10x10 pixels ont été développées durant cette thèse ainsi qu’un imageur complet utilisant une matrice de 7x7 pixels. Le modèle mathématique mis au point durant ce travail montre que les dimensions des capteurs peuvent être encore réduites pour obtenir un nombre de pixels plus conséquent sans augmentation du coût. / The thermal radiation emitted by human body can be detected in the 8-14 µm range by an infra-red sensor. Cameras imagined from this type of detectors were initially reserved for army personal usage but the market is in a large growth due to commercial applications like thermography or human detection. Thermal detectors microbolometers are the most spread technologies with 95% of the market but some others are showing interesting results as thermoelectrical arrays. This document explains the realisation of an infrared camera that can be used for human detection using a technology developed in the group. Contrary to the bolometric matrices based on a variation of electrical resistance, this sensor working by thermoelectric effect does not require power supply and the associated electronic interface is very simple. A special attention was related to the reduction in the manufacturing costs by decreasing the size of the thermoelectric pixels and using a polyethylene Fresnel lens in order to use this type of system in the individual housing. Series of 5x5, 7x7, 10x10 pixels microsensors were modelled and realized during this thesis as well as a complete imaging device using of 7x7 pixels array. The mathematical model developed during this work shows that a further increase in length reduction is possible if more pixels are needed.

Ce travail concerne l'interprétation du contenu des images aériennes optiques panchromatiques très haute résolution. Deux méthodes pour la classification du contenu de ces images ont été développées. Une méthode basée sur la détection des instances des différentes catégories d'objets et une autre méthode basée sur la segmentation sémantique des superpixels de l'image utilisant un modèle de contexte entre les différentes instances des superpixels. La méthode de détection des objets dans une image très haute résolution est basée sur l'apprentissage d'un mélange de modèle d'apparence de la catégorie d'objets à détecter puis d'une fusion des hypothèses renvoyées par les différents modèles. Nous proposons une méthode de partitionnement en sous catégories visuelles basée sur une procédure en deux étapes des exemples d'apprentissages de la base en fonction des métadonnées disponibles et de l'apparence des exemples d'apprentissage. Cette phase de partitionnement permet d'apprendre des modèles d'apparence où chacun est spécialisés dans la reconnaissance d'une sous-partie de la base et dont la fusion permet la généralisation de la détection à l'ensemble des objets de la classe. Les performances du détecteur ainsi obtenu sont évaluées sur plusieurs bases d'images aériennes très haute résolution à des résolution différentes et en plusieurs endroits du monde. La méthode de segmentation sémantique contextuelle développée utilise une combinaison de la description visuelle d'un superpixel extrait d'une image et des informations de contexte extraient entre un superpixel et ses voisins. La représentation du contexte entre les superpixels est obtenu en utilisant une représentation par modèle graphique entre les superpixels voisins. Les noeuds du graphes étant la représentation visuelle d'un superpixel et les arêtes la représentation contextuelle entre deux voisins. Enfin nous présentons une méthode de prédiction de la catégorie d'un superpixel en fonction des décisions données par les voisins pour rendre les prédictions plus robustes. La méthode a été testé sur une base d'image aérienne très haute résolution. / This work is about interpretation of the content of very high resolution aerial optical panchromatic images. Two methods are proposed for the classification of this kind of images. The first method aims at detecting the instances of a class of objects and the other method aims at segmenting superpixels extracted from the images using a contextual model of the relations between the superpixels. The object detection method in very high resolution images uses a mixture of appearance models of a class of objects then fuses the hypothesis returned by the models. We develop a method that clusters training samples into visual subcategories based on a two stages procedure using metadata and visual information. The clustering part allows to learn models that are specialised in recognizing a subset of the dataset and whose fusion lead to a generalization of the object detector. The performances of the method are evaluate on several dataset of very high resolution images at several resolutions and several places. The method proposed for contextual semantic segmentation use a combination of visual description of a superpixel extract from the image and contextual information gathered between a superpixel and its neighbors. The contextual representation is based on a graph where the nodes are the superpixels and the edges are the relations between two neighbors. Finally we predict the category of a superpixel using the predictions made by of the neighbors using the contextual model in order to make the prediction more reliable. We test our method on a dataset of very high resolution images.

Les mines sous marines sont très utilisées dans les conflits. Pour contrer cette menace, les marines s'équipent de moyens de lutte anti-mine autonomes afin d'éviter l'intervention humaine. Une mission de guerre des mines se découpe en quatre étapes distinctes : la détection des objets, la classification et l'identification puis la neutralisation. Cette thèse propose des solutions algorithmiques pour l'étape d'identification par caméra vidéo. Le drone d'identification connaît la position approximative de l'objet à identifier. La première mission de ce drone est de re-détecter l'objet avant de le classifier et de l'identifier. Le milieu sous-marin perturbe les images acquises par la caméra (absorption, diffusion). Pour faciliter la détection et la reconnaissance (classification et identification), nous avons prétraité les images. Nous avons proposé deux méthodes de détection des objets. Tout d'abord nous modifions le spectre de l'image afin d'obtenir une image dans laquelle il est possible de détecter les contours des objets. Une seconde méthode a été développée à partir de la soustraction du fond, appris en début de séquence vidéo. Les résultats obtenus avec cette seconde méthode ont été comparés à une méthode existante. Lorsqu'il y a une détection, nous cherchons à reconnaître l'objet. Pour cela, nous utilisons la corrélation. Les images de référence ont été obtenues à partir d'images de synthèse 3D des mines. Pour les différentes méthodes utilisées, nous avons optimisés les résultats en utilisant les informations de navigation. En effet, selon les déplacements du drone, nous pouvons fixer des contraintes qui vont améliorer la détection et réduire le temps de calcul nécessaire à l'identification. / To avoid the underwater mine threat and to limit human interventions, navies use autonomous underwater vehicles. An underwater mine warfare mission is divided into four steps : object detection, classification, identification and neutralization. This PhD thesis proposes algorithmic solutions for the identification step done with a video camera. Thanks to the detection step, the identification vehicle knows approximately the object position. First, the vehicle has to detect and position this object exactly. Then it will be classified and identified. The underwater medium affects the images acquired with a video camera through absorption and scattering. The first step of our algorithm is to preprocess the images to help the detection and recognition (classification and identification) steps.We have proposed two detection methods. The first one consists in modifying image spectrum in order to obtain an image in which we will be able to detect edges of objects. The second method, based on region segmentation, has been developed from background subtraction methods. The background image has been learned at the beginning of the video when there is no object. The results of the latter have been compared to those obtained with a state-of-art method, on data acquired at sea. Once we have detected an object, we want to recognize it. For that, we use the correlation technique. The reference images have been obtained from 3D computer generated images of mines. This novel approach gives promising results. For each developed method, we have optimized the results through the use of navigational information. Indeed, depending on vehicle's motion, we can set constraints to improve the detection step and reduce processing time.

Η παρούσα διατριβή είχε σαν κύριο στόχο την ανάλυση και επεξεργασία των δεδομένων SAR υπό το πρίσμα του περιεχομένου υφής για την ανίχνευση περιοχών με περιβαλλοντικές αλλοιώσεις όπως είναι οι παράνομες εναποθέσεις απορριμμάτων. Τα δεδομένα που χρησιμοποιήθηκαν προέρχονταν από τον δορυφόρο ENVISAT και το όργανο ASAR του Ευρωπαϊκού Οργανισμού Διαστήματος με διακριτική ικανότητα 12.5m και 30m για τις λειτουργίες μονής και διπλής πολικότητας αντίστοιχα καθώς και από τον δορυφόρο Terra-SAR με διακριτική ικανότητα 3m και HH πολικότητα. Χρησιμοποιήθηκαν κλασσικές τεχνικές ανάλυσης και ταξινόμησης υφής όπως GLCM, Markov Random Fields, Gabor Filters και Neural Networks. Η μελέτη προσανατολίστηκε στην ανάπτυξη νέων μεθόδων ταξινόμησης υφής για αυξημένη αποτελεσματικότητα. Χρησιμοποιήθηκαν δεδομένα πολυφασματικά και SAR. Για τα πολυφασματικά δεδομένα προτάθηκε η χρήση της spectral co-occurrence ως χαρακτηριστικό υφής που χρησιμοποιεί πληροφορία φασματικού περιεχομένου. Για τα δεδομένα SAR αναπτύχθηκε μία νέα μέθοδος ταξινόμησης η οποία βασίζεται σε συνήθεις περιγραφείς υφής (GLCM, Gabor, MRF) οι οποίοι μελετώνται για την ικανότητά τους να διαχωρίζουν ζεύγη μεταξύ τάξεων. Για κάθε ζεύγος τάξεων προκύπτουν χαρακτηριστικά υφής που βασίζονται στις στατιστικές ιδιότητες της cumulative καθώς και της πρώτης και δεύτερης τάξης αυτής. Η μέθοδος leave one out χρησιμοποιείται για τον εντοπισμό των χαρακτηριστικών που μπορούν να διαχωρίσουν τα δείγματα ανά ζεύγη τάξεων στα οποία αντιστοιχίζεται και ένας ξεχωριστός και ανεξάρτητος γραμμικός ταξινομητής. Η τελική ταξινόμηση γίνεται με τη μέθοδο της πλειοψηφίας η οποία εφαρμόζεται στο πρόβλημα των δύο τάξεων και τριών τάξεων αλλά επεκτείνεται και στο πρόβλημα των N-τάξεων δεδομένης της ύπαρξης κατάλληλων χαρακτηριστικών. / Texture characteristics of MERIS data based on the Gray-Level Co-occurrence Matrices (GLCM) are explored as far as their classification capabilities are concerned. Classification is employed in order to reveal four different land cover types, namely: water, forest, field and urban areas. The classification performance for each cover type is studied separately on each spectral band, while the combined performance of the most promising spectral bands is explored. In addition to GLCM, spectral co-occurrence matrices (SCM) formed by measuring the transition from band-to-band are employed for improving classification results. Conventional classifiers and voting techniques are used for the classification stage. Furthermore, the properties of texture characteristics are explored on various types of grayscale or RGB representations of the multispectral data, obtained by means of principal components analysis (PCA), non-negative matrix factorization (NMF) and information theory. Finally, the accuracy of the proposed classification approach is compared with that of the minimum distance classifier. A simple and effective classification method is furthermore proposed for remote sensed data that is based on a majority voting schema. We propose a feature selection procedure for exhaustive search of occurrence measures resulting from fundamental textural descriptors such as Co-occurrence matrices, Gabor filters and Markov Random Fields. In the proposed method occurrence measures, that are named texture densities, are reduced to the local cumulative function of the texture representation and only those that can linearly separate pairs of classes are used in the classification stage, thus ensuring high classification accuracy and reliability. Experiments performed on SAR data of high resolution and on a Brodatz texture database have given more than 90% classification accuracy with reliability above 95%.

Το κυρίως αντικείμενο της διατριβής αυτής είναι ο σχεδιασμός και η ανάλυση αποκεντρωμένων τεχνικών ελέγχου για επίτευξη μέγιστης κάλυψης από κινούμενα δίκτυα αισθητήρων. Λόγω των πολλών εφαρμογών αυτών σε αποστολές σχετιζόμενες με εξερεύνηση περιοχών ενδιαφέροντος, περιβαλλοντική δειγματοληψία, φύλαξη ή ακόμα και θέματα ασφάλειας, μία μεγάλη μερίδα της επιστημονικής κοινότητας έχει στρέψει το ενδιαφέρον της στην ανάπτυξη μεθόδων για βέλτιστη (ει δυνατόν) περιβαλλοντική αντίληψη μέσω αισθητήρων από αυτόνομες ομάδες ρομποτικών συστημάτων. Τέτοιες ομάδες, συνήθως τοποθετούμενες αρχικώς στις περιοχές ενδιαφέροντος, σχεδιάζονται με στόχο τον αποκεντρωμένο έλεγχό τους, αντί ενός καθολικού εποπτικού συστήματος, με στόχο να επιτύχουν στην εκάστοτε αποστολή. Στα πρώτα στάδια της διατριβής αυτής, το πρόβλημα της κάλυψης μιας περιοχής ενδιαφέροντος από μία ομάδα όμοιων κόμβων αναλύεται από υπολογιστική σκοπιά. Οι κινούμενοι κόμβοι υποθέτονται ότι υπακούν σε απλοϊκό κινηματικό μοντέλο διακριτού χρόνου, ενώ η αισθητήρια επίδοσή τους θεωρείται ακτινική, περιορισμένης εμβέλειας, ομοιόμορφη γύρω από τον κόμβο. Σαν πρώτη προσέγγιση, η κατεύθυνση σε κάθε χρονική στιγμή για βέλτιστη κάλυψη καθορίζεται βάσει τεχνικών διαμέρισης του χώρου βασιζόμενες στην έννοια της απόστασης. Η αναπτυσσόμενη στρατηγική επιτρέπει σταδιακή αύξηση της καλυπτόμενης επιφάνειας μεταξύ διαδοχικών βημάτων, ενώ έχει ως απαίτηση την κίνηση ενός μόνο επιτρεπτού κόμβου τη φορά. Στη συνέχεια, το προαναφερθέν σχέδιο επεκτείνεται για την περίπτωση ετερογενών δικτύων, όπου η ετερογένεια αντικατοπτρίζεται στις άνισες εμβέλειες απόδοσης αίσθησης των κόμβων. Επιπροσθέτως, επέκταση σε μοντέλο συνεχούς χρόνου επιτρέπει την κίνηση όλων των κόμβων του δικτύου ταυτόχρονα, αυξάνοντας ιδιαίτερα τον χρόνο σύγκλισης προς την βέλτιστη κατάσταση, ειδικά για μεγάλης κλίμακας δίκτυα. Μία εναλλακτική διαμέριση του χώρου αναπτύσσεται, η οποία βασίζεται κυρίως στα αισθητήρια μοτίβα των κόμβων, παρά στις θέσεις των κόμβων καθεαυτές. Τα παραγόμενα κελιά του χώρου ανατιθέμενα στους κόμβους αποτελούν τον βασικό πυρήνα του αλγόριθμου οργάνωσης, με στόχο την αποκεντρωμένη οργάνωση της κινούμενης ομάδας, ώστε να επιτύχει βέλτιστη απόδοση κάλυψης. Υποκινούμενοι από την υψηλού–βαθμού ανισοτροπία που χαρακτηρίζει κάποιους τύπους αισθητήρων, όπως κατευθυντικά μικρόφωνα για ανίχνευση ήχου σε εφαρμογές ασφάλειας, ή ακόμα μοτίβα εκπομπής/λήψης κατευθυντικών κεραιών σε σενάρια τηλεπικοινωνιακής κάλυψης, η έρευνά μας επεκτείνεται πέραν του κλασσικού ακτινικού μοντέλου δίσκου αίσθησης. Βασιζόμενοι σε συγκεκριμένες ιδιότητες για επίπεδες κυρτές καμπύλες, μια αποκεντρωμένη στρατηγική οργάνωσης αναπτύχθηκε για δίκτυα που χαρακτηρίζονται από κυρτά αισθητήρια μοτίβα ίδιας κατευθυντικότητας. Παρότι η κυρτότητα των συνόλων αίσθησης φαίνεται να θέτει ένα μεγάλου βαθμού περιορισμό στο συνολικό πρόβλημα, στην πραγματικότητα προσπερνάται μέσω ανάθεσης αυτών ως το μέγιστο κυρτό χωρίο που εγγράφεται στο πρωταρχικώς ανισοτροπικό μοτίβο. Το σχήμα ελέγχου επεκτείνεται στη συνέχεια για την περίπτωση όπου εισάγουμε ένα επιπλέον βαθμό ελευθερίας στις κινηματικές ικανότητες των κόμβων, ενσωματώνοντας έτσι διαφορετικές και χρονικά μεταβαλλόμενες κατευθυντικότητες μεταξύ των μοτίβων αυτών. Το παραγόμενο πλάνο ελέγχου αποδεικνύεται ότι οδηγεί ανισοτροπικά δίκτυα σε βέλτιστες τοπολογίες, αναφορικά με τα αισθητήρια μοτίβα τους, ελέγχοντας κατάλληλα ταυτόχρονα την θέση και προσανατολισμό, μέσω ενός καινοτόμου σχήματος κατακερματισμού του χώρου βασιζόμενο στο εκάστοτε μοτίβο. Η διατριβή κλείνει με την μελέτη δικτύων με περιορισμούς στην εμβέλεια επικοινωνίας αναφορικά με την μετάδοση πληροφοριών μεταξύ των κόμβων. Στην πλειονότητα των σχετικών εργασιών, το ζήτημα αυτό προσπερνάται επιτρέποντας στην εμβέλεια επικοινωνίας να είναι τουλάχιστον διπλάσια αυτής της (ομοιόμορφης) αίσθησης, εγγυώντας έτσι την αποκεντρωμένη φύση των πλάνων ελέγχου. Ο προτεινόμενος έλεγχος επιτρέπει την αποσύζευξη μεταξύ των δύο αυτών εμβελειών, οδηγώντας το δίκτυο στην βέλτιστη κατάσταση, μέσω ταυτόχρονου σεβασμού του εκάστοτε, εκ των προτέρων δοσμένου, περιορισμού στην εμβέλεια επικοινωνίας. Συγκεντρωτικά συμπεράσματα και συγκριτική ανάλυση παρουσιάζονται στο τελευταίο κεφάλαιο, ενώ προτείνονται μελλοντικά πλάνα επέκτασης των τεχνικών αυτών. / The main scope of this thesis is the design and analysis of distributed control strategies for achieving optimum area coverage in mobile sensor networks. Due to the numerous applications of the latter in missions as area exploration, environmental sampling, patrolling, or even security, a large part of the scientific community has turned its interest on developing methods for achieving optimum, if possible, sensing environmental perception by groups of autonomous mobile agents. Such robotic teams, randomly deployed in areas of interest initially, are designed to coordinate their motion in a distributed manner, rather than via a global supervisory system, in order to succeed in the corresponding mission objective. At the first stages of this thesis, the coverage problem of an area of interest by a group of identical nodes is examined from a numerical point of view. The mobile nodes are considered to be governed by simple discrete–time kinodynamic motion, while their sensing performance is assumed radial, range–limited, uniform around the node. As a first approach, the optimum direction at each time step for optimum deployment achievement is determined based on proper distance–based space partitioning techniques. The developed concept allows for gradual increase in the covered area among consecutive steps, although suffers from allowing motion of one node at a time. In the sequel, the aforementioned concept is extended to the case of heterogeneous networks, where heterogeneity lays mainly in the unequal limited–range of the sensing performance of the nodes. In addition, extension to continuous–time allows for simultaneous motion of the nodes, increasing drastically the convergence time towards the optimal state, especially for large–scale networks. An alternate partitioning of the space is developed that is mainly based on the nodes’ footprints, rather than their spatial positions only. The resulting assigned cells form the main core for the coordination algorithm proposed, in order to distributedly organize the mobile swarm to achieve optimum sensing performance. Motivated by the high–degree anisotropy that governs the sensing domains of certain types of sensors, i.e. directional microphones for sound sensing mainly for security applications, or even the radiation patterns of directional antennas in communication–coverage scenarios, our research is extended beyond the standard disc model of sensing. Based on certain properties for planar convex curves, a distributed strategy is developed for networks characterized by convex sensing domains of same orientation. Although convexity of the sensing sets may seem to impose a high level restriction to the overall setup, in fact can be assigned as the maximal convex inscribed set in any (originally) anisotropic pattern. The control scheme is further extended, in the sequel, for the case of adding an extra degree of freedom to the node’s mobility abilities, incorporating different and time–varying orientations among the nodes patterns. The resulting scheme is proven to lead anisotropic networks in optimum configurations, considering their sensing footprints, by properly controlling both the nodes’ positions and orientations, via an innovative pattern–based partitioning scheme of the sensed space. The thesis ends by examining the case where radio–range constraints are imposed on inter–agents communication. In the majority of the related works, this issues is usually overcome by allowing RF range as double the sensing one, guaranteeing that way distributed nature of the control schemes. The proposed scheme allows for uncorrelated RF and sensing ranges in the network, while guarantees convergence of the network towards the optimal state, via simultaneous preservation of a–priori imposed radio–range constraints. Concluding remarks along with comparative discussion are presented in the last chapter, where future research plans and ways to improve the already developed schemes are proposed.