No description available.

Cette thèse traite de l'apport de l'imagerie SAR satellitaire en bandes L et C pour lacaractérisation du couvert neigeux. Un modèle électromagnétique (EM) permettant de simuler la rétrodiffusion de l'onde<br />sur un couvert neigeux a été développé. Ce modèle prend en considération la structure verticale du manteau neigeux ainsi que l'état de métamorphose des différentes couches. Il est validé à l'aide de profils stratigraphiques mesurés et des données SAR acquises<br />parallèlement par le capteur ASAR/ENVISAT en 2004.<br />L'originalité principale de cette étude consiste en l'association des données SAR à polarisation double avec le modèle météorologique Crocus développé par Météo-France.<br />Dans le but de caractériser la variabilité spatiale des couverts neigeux alpins, les profils stratigraphiques Crocus sont réorganisés spatialement par le biais d'une optimisation de la réponse EM en bande C. Des cartographies du couvert neigeux sont réalisées avec une résolution métrique pour les massifs alpins des Grandes Rousses et de l'Oisans.<br />Finalement, le potentiel des données polarimétriques en bande L pour la caractérisation de la neige est étudié sur des zones rurales. Une méthode de cartographie basée sur les Machines à Vecteurs Supports est réalisée puis testée avec des données acquises par lecapteur PALSAR/ALOS.

Dans le cycle de carbone à l'échelle de la planète, la contribution des forêts tropicales, en tant que stock de carbone, est déterminante. Les études actuelles montrent que la connaissance précise de la biomasse forestière globale est nécessaire pour les modèles de prévision. C'est dans ce contexte que le projet BIOMASS est choisi par l'Agence spatiale européenne (ESA) comme une phase A du programme «Earth Core Mission». L'objectif de cette mission innovatrice est l'utilisation d'un système d'imagerie polarimétrique fonctionnant en bande P (435 MHz) pour la mesure de la biomasse forestière. La définition actuelle de la mission prévoit un mode tomographique rassurant une imagerie tri-dimentionnelle (3-D) de la forêt. Dans le cadre du projet BIOMASS, cette thèse de doctorat vise à développer une nouvelle stratégie pour la télédétection de la biomasse dans les forêts tropicales en utilisant des données multi-baseline acquises par le radar à ouverture synthétique (SAR) en bande P. Une approche originale consite à combiner la tomographie et le modèle RvoG (Random-Volume-over-Ground) établi et vérifié avec la technique PolInSAR (polarimetric SAR Interferometry). L'environnement forestier peut être décrit avec précision par un modèle polarimétrique multicouche (sol et succession de couches végétales). Une généralisation multi-baseline du modèle RVoG implique un certain nombre de paramètres qui peuvent être estimés à partir des données SAR en utilisant des méthodes spectrales haute résolution. Ainsi, une cartographie de la forêt et du sol peut être réalisée à l'aide de données tomographiques. De plus, la capacité des techniques tomographiques permet d'estimer la distribution verticale de la puissance rétrodiffusée. Ainsi, une information précise sur la biomasse peut être extraite de la puissance mesurée dans un domaine adapté à la couche de végétation. Cependant, cette puissance mesurée peut être fortement affectée par l'écho du sol dû à la contribution de double rebond. Et par suite, le principal défi peut être résumé par l'élaboration d'un nouvel estimateur de la biomasse forestière lié à une puissance rétrodiffusée mesurée avec une polarisation et un domaine vertical, tous les deux sont adaptés à la couche de végétation. Les algorithmes développés pour la cartographie de la forêt, l'estimation et la simulation de la biomasse sont appliqués et validés sur des données SAR aéroportées réalisées lors de la campagne TROPISAR en Guyane. / Forested areas cover one third of earth's land surface and their contribution in the storage of carbon is decisive. Current studies show that the accurate knowledge of global forest biomass is necessary for the prediction of climate changes on the planet. In this context, the BIOMASS project is selected by the European Space Agency (ESA) as Phase A of the 'Earth Core Mission' program. This highly innovative mission consists of the use of a polarimetric imaging radar operating at P band (435 MHz) for the measurement of forest biomass. The current definition of the mission provides a three-dimensional imaging (3-D) of the forest with both tomographic and multi-pass interferometric modes. In the framework of this project, this PHD thesis aims to develop a novel strategy for the remote sensing of the biomass within the dense tropical forests by processing on multi-baseline P-band Synthetic Aperture Radar (SAR) data. An original approach combines the possibilities of 3-D exploration tomography and the Random-Volume- over-Ground (RVoG) model established and verified with PolInSAR technique (Polarimetric Interferometry SAR). The forested environment can be accurately described by a polarimetric multi-layer model (soil and a succession of vegetationlayers). A multi-baseline generalization of the RVoG model involves a certain number of parameters which must be estimated from radar observation data by using High- Resolution spectral estimation tomographic methods. Thereby, a cartography of the forest and its underlying ground can be made using tomographic data. Furthermore, the capacity of the tomographic techniques on 3-D imaging allows an estimation of the vertical distribution of the backscattered power. Thus, an accurate biomass information may be extracted from the power measured at a domain adapted to the canopy layer. However, this measured backscattered may be strongly affected by the ground echo due to the double bounce contribution. The main challenge of this thesis is to establish a novel biomass estimator related to a backscattered powermeasured with a polarimetric channel and at a vertical domain, both adapted to the canopy layer. The proposed algorithms of forest cartography and biomass estimation are applied and validated on Airborne P-band SAR data realized on the TROPISAR campaign in French Guyana.

Dans ce mémoire, on utilise la résolution particulaire du filtrage non-linéaire optimal pour le traitement du signal radar. Cette méthode, dite Filtrage Particulaire, permet de traiter de modèles non-linéaires sans restrictions sur la nature des non-linéarités ou sur la distribution des processus aléatoires qui représentent la dynamique du modèle et le bruit d'observation. Le principe du filtrage particulaire est de construire la probabilité conditionnelle aux mesures des variables à estimer par un peigne de Dirac généralisé, dont les supports suivent le flot stochastique de la variable, et dont les masses sont issues de la correction Bayesienne due aux mesures. L'application de cette nouvelle méthode aux techniques radar d'ouverture synthétique inverse (ISAR) permet d'estimer conjointement la trajectoire et l'image d'une cible non-coopérative à de faibles rapports signal/bruit. Dans ce cas, chaque particule dans l'espace d'état est porteuse d'une grille rigide qui représente la cible et dont la vraisemblance fournit le poids. Selon la finesse de la grille, l'algorithme peut être adapté aux problème d'imagerie radar ou simplement de poursuite d'une cible en présence de glint.

Ces travaux concernent l'utilisation de méthodes temps-fréquences pour l'étude des images SAR polarimétriques au travers de deux applications.<br />La réponse des cibles mobiles est étudiée. Sa forme particulière conduit à une méthode de détection et refocalisation basée sur la transformée de Fourier fractionnaire. La problématique est étendue au cas des cibles possédant de plus une réflectivité dépendant des paramètres d'illumination (angle et fréquence). Une approche basée sur une modélisation de la cible et sur l'algorithme de Matching-Pursuit est présentée.<br />La détection des bâtiments dans les images SAR de zones urbaines en bande L est abordée dans le cadre temps-fréquence. Les notions complémentaires de stationnarité et de cohérence sont exploitées pour produire une classification temps-fréquence, permettant d'identifier les environnements naturels et différents types de cibles artificielles. Des applications à la cartographie et à la caractérisation de bâtiments sont proposées.

Depuis l'invention de la radiographie au début du vingtième siècle et des premiers radars lors la seconde guerre mondiale, le besoin de connaître notre environnement par différentes techniques d'imagerie n'a cessé de croître. Ce besoin a pris de multiples formes, allant de l'exploration d'une structure interne avec la prolifération des techniques d'imagerie non invasives à l'imagerie par satellite qui accompagna la conquête de l'espace. Nombre de systèmes d'imagerie ont donc été proposés pour arriver à créer les images les plus représentatives des milieux étudiés. Parmi eux la tomodensitométrie, ou scanner médical, a connu un succès remarquable depuis son invention. La raison de ce succès vient du fait que son principe de fonctionnement est fondé sur la transformée de Radon dont l'inversion permet de restituer une image fidèle de l'intérieur du milieu étudié.La transformée de Radon (TR) est une transformée géométrique intégrale, qui intègre une densité physique d'intérêt, le long d'une droite du plan. Il est donc naturel de penser qu'une généralisation de la TR, qui consiste à remplacer la droite, support d'intégration, par une courbe ou par une surface, peut amener à une nouvelle imagerie. Dans cette thèse, nous étudions deux types de transformées de Radon généralisées qui sont définies sur des lignes brisées en V du plan (appelées TRV) et des sphères centrées sur un plan fixe (appelées TRS) ainsi que leurs imageries correspondantes.Les transformées de Radon généralisées sur des lignes brisées (TRV) nous permettent de proposer trois nouvelles modalités tomographiques. La première, comme la tomodensitométrie, exploite le phénomène d'atténuation du rayonnement X lors de sa propagation dans un milieu mais utilise aussi le phénomène de réflexion du rayonnement sur une surface impénétrable. La deuxième exploite le phénomène de diffusion Compton du rayonnement émis par un objet. La troisième combine deux modalités d'imageries par transmission et par émission sous la forme d'une imagerie bimodale à partir du rayonnement ionisant diffusé. Cette étude permet non seulement de faire émerger de nouvelles imageries pouvant concurrencer celles existantes mais aussi d'établir de nouveaux algorithmes pour la correction de l'atténuation (un des facteurs physiques dégradant sérieusement la qualité d'image tomographique actuellement).La transformée de Radon sur des sphères centrées sur un plan fixe (TRS) est une généralisation connue de la transformée de Radon en trois dimensions. Elle a été proposée comme modèle mathématique de l'imagerie radar à synthèse d'ouverture (RSO). On montre par la construction d'algorithmes appropriés que l'inversion de cette TRS donne une solution efficace à la reconstruction d'images de l'environnement directement en 3D.La faisabilité théorique de ces nouvelles imageries modélisées par ces deux classes de transformées de Radon généralisées et la performance des algorithmes de reconstruction d'images basés sur les formules d'inversion de ces transformées ouvrent plusieurs perspectives : extension en 3D de l'imagerie bimodale par rayonnement ionisant diffusé, ou possibilité de détection de cibles mobiles en imagerie RSO par introduction d'autres généralisations de la TR. De plus, les méthodes développés dans cette thèse sont susceptibles d'application dans d'autres imageries : imagerie sismique modélisée par la transformée de Radon définie sur des paraboles, imagerie radar Doppler par la TR sur des hyperboles ou encore imagerie thermo-opto-acoustique modélisée par la TR sur des cercles centrés sur un cercle fixe. / Since the invention of radiography at the beginning of the 20th century and of the radar during the 2nd world war, the need of information on our environment is ever increasing. This goes from the exploration of internal structures using non-invasive numerous imaging techniques to satellite imaging which rapidly expands with space exploration. A huge number of imaging systems have been conceived to provide faithful images of the objects of interest. Computed Tomography (or the medical scanner) has experienced a tremendous success since it was invented. The reason for this success lies in the fact that its mathematical foundation is the Radon transform (RT), which has an inverse formula allowing the faithful reconstruction of the interior of an object.The Radon transform is a geometric integral transform which integrates a physical density of interest along a straight line in the plane. It is natural to expect that, when the line is replaced by a curve or a surface as an integration support, new imaging processes may emerge. In this thesis, we study two generalized Radon transforms which are defined on broken lines in the form of a letter V (called V-line RT or VRT) and on spheres centered on a fixed plane (called spherical RT or SRT), as well as their resulting imaging processes.The Radon transforms on V-lines (VRT) form the mathematical foundation of three tomographic modalities. The first modality exploits not only the attenuation of X-rays in traversed matter (as in Computed Tomography) but also the phenomenon of reflection on an impenetrable surface. The second modality makes use of Compton scattering for emission imaging. The third modality combines transmission and emission imaging modalities into a bimodal imaging system from scattered ionizing radiation. This study puts forward new imaging systems which compete with the existing ones and develops new algorithms for attenuation corrections (in emission imaging the attenuation is one of factors degrading seriously tomographic image quality up to now).The Radon transform on spheres centered on a fixed plane (SRT) is a generalization of the classical Radon transform in three dimensions. It has been proposed as a mathematical model for Synthetic Aperture Radar (SAR) imaging. We show through the setting up of appropriate algorithms that the inversion of the SRT yields an efficient solution to the landscape reconstruction problem, directly in three dimensions.The theoretical feasibility of these new imaging systems based on generalized Radon transforms and the good performance of inversion algorithms based on inversion formulas open the way to several perspectives: 3D extension of bimodal imaging by scattered radiation or SAR target motion detection through the introduction of other generalized Radon transforms. Moreover the algorithmic methods developed here may serve in other imaging activities such as: seismics with the parabolic Radon transform, Doppler radar with the hyperbolic Radon transform, thermo-opto-acoustic imaging with the Radon transform on circles centered on a fixed circle.

L’imagerie satellite radar propose un point de vue intéressant pour l’étude et la compréhension des océans. Là où l’altimétrie, reconnue et utilisée mondialement, a su s’imposer comme une source de données majeure, les observations de houle issues du SAR (de l’anglais « Synthetic Aperture Radar ») restent encore largement sous exploitées. L’objet de cette thèse est de promouvoir l’utilisation de ces données en proposant un modèle pour l’analyse et la prévision de la houle à l’échelle du globe qui soit indépendant des modèles numériques classiques comme Wavewatch-III. Ce travail s’inscrit dans une logique de pérennisation de la mesure de houle depuis l’espace avec le lancement dans les trois années à venir des trois missions satellites Sentinel-1 A et B et CFOSAT. Un des principaux résultats de ce travail est la capacité de la méthode développée à fournir une information plus précise que celle des modèles existants. Cette méthode permet également une meilleure caractérisation des mesures utilisées en entrée et des pistes d’amélioration de ces dernières sont dégagées pour les futures activités de calibration/validation. Ces travaux ouvrent également des perspectives sur les possibilités d’assimilation des sorties de ce nouveau modèle dans les modèles numériques classiques. / The capability to observe ocean swell using spaceborne Synthetic Aperture Radar (SAR) has been demonstrated starting with ERS-1 mission in 1992. This dissertation shows how ocean swell properties can be used to combine swell observations of heterogeneous quality and acquired at various times and locations for the observation and forecast of ocean swell fieldsusing ASAR instrument on-board ENVISAT. The first section is a review of how ocean swell spectra can be derived from the SAR complex images of the ocean surface using a quasi-linear transformation. Then, significant swell heights, peak periods and peak directions from in situ measurements are used to assess the accuracy of the SAR observed swell spectra. Using linear propagation in deep ocean, a new swell field reconstruction methodologyis developed in order to gather SAR swell observations related to the same swell field. Propagated from their generation region, these observations render the spatio-temporal properties of the emanating ocean swell fields. Afterwards, a methodology is developed for the exclusion of outliers taking advantage of the swell field consistency. Also, using the irregularly sampled SAR observations, quality controlled estimations of swell field integral parameters are produced on a regular space-time grid. Validation against in situ measurements reveals the dramatic impact of the density of propagated observations on the integral parameters estimated accuracy. Specifically, this parameter is shown to be very dependent on the satellite orbit. Finally, comparisons with the numerical wave model WAVEWATCH-III prove it could potentially benefit from the SAR swell field estimates for assimilation purposes.

Les images de télédétection sont des images de la surface de la Terre acquises par des satellites ou des avions. Ces images sont de plus en plus disponibles et leur technologies évoluent rapidement. On peut observer une amélioration des capteurs existants, mais de nouveaux types de capteurs ont également vu le jour et ont montré des propriétés intéressantes pour le traitement d'images. Ainsi, les images multispectrales et radar sont devenues très classiques.La disponibilité de différents capteurs est très intéressante car elle permet de capturer une grande variété de propriétés des objets. Ces propriétés peuvent être exploitées pour extraire des informations plus riches sur les objets. Une des applications majeures de la télédétection est la détection de changements entre des images multi-temporelles (images de la même scène acquise à des instants différents). Détecter des changements entre des images acquises par des capteurs homogènes est un problème classique. Mais le problème de la détection de changements entre images acquises par des capteurs hétérogènes est un problème beaucoup plus difficile.Avoir des méthodes de détection de changements adaptées aux images issues de capteurs hétérogènes est nécessaire pour le traitement de catastrophes naturelles. Des bases de données constituées d'images optiques sont disponible, mais il est nécessaire d'avoir de bonnes conditions climatiques pour les acquérir. En revanche, les images radar sont accessibles rapidement quelles que soient les conditions climatiques et peuvent même être acquises de nuit. Ainsi, détecter des changements entre des images optiques et radar est un problème d'un grand intérêt en télédétection.L'intérêt de cette thèse est d'étudier des méthodes statistiques de détention de changements adaptés aux images issues de capteurs hétérogènes.Chapitre 1 rappelle ce qu'on entend par une image de télédétection et résume rapidement quelques méthodes de détection de changements disponibles dans la littérature. Les motivations à développer des méthodes de détection de changements adaptées aux images hétérogènes et les difficultés associiées sont présentés.Chapitre 2 étudie les propriétés statistiques des images en l'absence de changements. Un modèle de mélange de lois adapté aux ces images est introduit. La performance des méthodes classiques de détection de changements est également étudiée. Dans plusieurs cas, ce modèle permet d'expliquer certains défauts de certaines méthodes de la literature.Chapitre 3 étudie les propriétés des paramètres du modèle introduit au chapitre 2 en faisant l'hypothèse qu'ils appartiennent à une variété en l'absence de changements. Cette hypothèse est utilisée pour définir une mesure de similarité qui permet d'éviter les défauts des approches statistiques classiques. Une méthode permettant d'estimer cette mesure de similarité est présentée. Enfin, la stratégie de détection de changements basée sur cette mesure est validée à l'aide d'images synthétiques.Chapitre 4 étudie un algorithme Bayésien non-paramétrique (BNP) qui permet d'améliorer l'estimation de la variété introduite au chapitre 3, qui est basé sur un processus de restaurant Chinois (CRP) et un champs de Markov qui exploite la corrélation spatiale entre des pixels voisins de l'image. Une nouvelle loi a priori de Jeffrey pour le paramètre de concentration de ce CRP est définit. L'estimation des paramètres de ce nouveau modèle est effectuée à l'aide d'un échantillonneur de Gibbs de type "collapsed Gibbs sampler". La stratégie de détection de changement issue de ce modèle non-paramétrique est validée à l'aide d'images synthétiques.Le dernier chapitre est destiné à la validation des algorithmes de détection de changements développés sur des jeux d'images réelles montrant des résultats encourageant pour tous les cas d'étude. Le modèle BNP permet d'obtenir de meilleurs performances que le modèle paramétrique, mais ceci se fait au prix d'une complexité calculatoire plus importante. / Remote sensing images are images of the Earth surface acquired from satellites or air-borne equipment. These images are becoming widely available nowadays and its sensor technology is evolving fast. Classical sensors are improving in terms of resolution and noise level, while new kinds of sensors are proving to be useful. Multispectral image sensors are standard nowadays and synthetic aperture radar (SAR) images are very popular.The availability of different kind of sensors is very advantageous since it allows us to capture a wide variety of properties of the objects contained in a scene. These properties can be exploited to extract richer information about these objects. One of the main applications of remote sensing images is the detection of changes in multitemporal datasets (images of the same area acquired at different times). Change detection for images acquired by homogeneous sensors has been of interest for a long time. However the wide range of different sensors found in remote sensing makes the detection of changes in images acquired by heterogeneous sensors an interesting challenge.Accurate change detectors adapted to heterogeneous sensors are needed for the management of natural disasters. Databases of optical images are readily available for an extensive catalog of locations, but, good climate conditions and daylight are required to capture them. On the other hand, SAR images can be quickly captured, regardless of the weather conditions or the daytime. For these reasons, optical and SAR images are of specific interest for tracking natural disasters, by detecting the changes before and after the event.The main interest of this thesis is to study statistical approaches to detect changes in images acquired by heterogeneous sensors. Chapter 1 presents an introduction to remote sensing images. It also briefly reviews the different change detection methods proposed in the literature. Additionally, this chapter presents the motivation to detect changes between heterogeneous sensors and its difficulties.Chapter 2 studies the statistical properties of co-registered images in the absence of change, in particular for optical and SAR images. In this chapter a finite mixture model is proposed to describe the statistics of these images. The performance of classical statistical change detection methods is also studied by taking into account the proposed statistical model. In several situations it is found that these classical methods fail for change detection.Chapter 3 studies the properties of the parameters associated with the proposed statistical mixture model. We assume that the model parameters belong to a manifold in the absence of change, which is then used to construct a new similarity measure overcoming the limitations of classic statistical approaches. Furthermore, an approach to estimate the proposed similarity measure is described. Finally, the proposed change detection strategy is validated on synthetic images and compared with previous strategies.Chapter 4 studies Bayesian non parametric algorithm to improve the estimation of the proposed similarity measure. This algorithm is based on a Chinese restaurant process and a Markov random field taking advantage of the spatial correlations between adjacent pixels of the image. This chapter also defines a new Jeffreys prior for the concentration parameter of this Chinese restaurant process. The estimation of the different model parameters is conducted using a collapsed Gibbs sampler. The proposed strategy is validated on synthetic images and compared with the previously proposed strategy. Finally, Chapter 5 is dedicated to the validation of the proposed change detection framework on real datasets, where encouraging results are obtained in all cases. Including the Bayesian non parametric model into the change detection strategy improves change detection performance at the expenses of an increased computational cost.

Ce travail porte sur la faisabilité d'estimer l'humidité de différents types de sols agricoles cultivés à l'aide de données SAR polarimétriques acquises en bandes L par le radar aéroporté du centre aérospatial allemand E-SAR. Différents modèles électromagnétiques sont étudiés afin de simuler le comportement de la rétrodiffusion des ondes par les sols nus et recouverts de végétation et de déterminer l'influence de l'humidité du sol sur la réponse du radar. Par ailleurs, les sols agricoles à structure périodique sont modélisés afin de comprendre leur comportement électromagnétique particulier. Les méthodes d'inversion classiques sont démontrées non valides pour les sols périodiques. Ainsi, une nouvelle méthode d'inversion de l'humidité basée sur le paramètre polarimétrique alpha 1 est développée et appliquée sur des images radar contenant des sols nus. Différentes cartes d'humidité sont ainsi obtenues. De plus une méthode basée sur une décomposition temps-fréquence du signal radar permet de détecter ces champs non stationnaires. Une dernière étude est menée avec des images multi-dates sur des champs recouverts de végétation. Afin de déterminer la faisabilité d'estimer l'humidité de ces sols agricoles, une identification des différents types de végétation est nécessaire. Ainsi, une classification basée sur la méthode des machines à vecteur support et sur l'analyse du comportement des paramètres polarimétriques est développée. Les cartes de végétation résultantes permettent de suivre l'évolution temporelle des cultures.

Cette thèse traite de la simulation rapide de données SAR au moyen de méthodes de synthèse inverse. Pour ce faire, les algorithmes omega-k et chirp scaling inverses sont développés pour le cas d'une trajectoire lineaire. Une transformation est proposée, qui permet de produire des données brutes d'un objet mobile à partir d'image SAR d'un objet statique opérant dans le domaine spectral. Les déviations non-linéaires de trajectoire du capteur sont aussi prises en considération en simulant des données partiellement dans le domaine temporel avec l'approximation d'un faisceau d'antenne étroit en largeur ou avec l'approximation d'une largeur de bande réduite. Toutes ces techniques sont analysées et les résultats sont comparés avec ceux d'un simulateur temporel pris comme réfèrence. Les données brutes sont simulées pour une scène complexe comportant un ou plusiers bâtiments placés au sein d'un environnement naturel surfacique et ayant une réponse anisotrope. Finalement, la simulation d'images et de données interférometriques est abordée.