Cette thèse présente la méthode de détection de changements MIMOSA (Method for generalIzed Means Ordered Series Analysis). Cette nouvelle méthode permet de détecter automatiquement des changements entre couples ou séries temporelles d’images SAR. En effet, grâce aux moyennes temporelles, le nombre d’images en jeu n’importe plus puisque seulement deux moyennes différentes sont comparées de sorte à détecter les changements (par exemple moyenne géométrique et moyenne quadratique). De ce fait, les grand volumes de données disponibles de nos jours sont exploitables plus facilement puisque l’information utile est «résumée» dans les moyennes. Le seul paramètre de la détection est le taux de fausses alarmes obtenu dans le résultat, ce qui rend son analyse plus intuitive. Les cartes de changements fournies par MIMOSA sont de très bonne qualité en comparaison à celles fournies par d’autres méthodes. De nombreux tests ont été mis en place pour constater la robustesse de la méthode MIMOSA face aux problèmes les plus souvent rencontrés, comme une mauvaise calibration radiométrique, ou encore un mauvais recalage. Une interface graphique a de plus été développée autour de MIMOSA, incorporant de nombreux outils de préparation et traitement des données, ainsi que des outils d’analyse des résultats. / This PhD thesis presents the MIMOSA (Method for generalIzed Means Ordered Series Analysis) change detection methood. This new technique can automatically detect changes between SAR image pairs or within time series. Indeed, thanks to the temporeal means, the number of involved images doesn’t matters because only two different means are compared to detect the changes (for example, the geometric and quadratic means). Thus, large data volumes can be processed easily, since the useful information is condensed within the temporal means. The only change detection parameter is the false alarm rate that will be MIMOSA method are very good compared to other methods. Several tests have been performed in order to quantify the robustness of the method facing the most common problems, like image misregistration or radiometric calibration errors. A graphical user interface has also been developed for MIMOSA, including many useful tools to prepare and process SAR data, but also several analyse tools.

MODIS est une méthode fiable et précise utilisée couramment pour suivre l'évolution du couvert nival au-dessus de bassins versants alpins. Toutefois, cette méthode de télédétection possède quelques limitations importantes, tel que l'inhabilité à distinguer la neige humide de la neige sèche, qui pourrait être mieux prise en compte par l'utilisation d'une méthode de télédétection complémentaire telle que l'imagerie par radar à synthèse d'ouverture (RSO). Le site d'étude utilisé pour le projet est le bassin versant de la rivière Nechako, situé dans la chaîne Côtière de la Colombie-Britannique, qui est caractérisé par un manteau neigeux pouvant atteindre plusieurs mètres d’épaisseur en montagne. Quinze images RADARSAT-2 en mode ScanSAR Wide ont été obtenues en polarisation VV et VH entre les mois de mars et juillet 2012. Elles ont été traitées à l'aide d'un algorithme basé sur la méthode de Nagler et Rott pour distinguer la neige humide de la neige sèche, mais qui utilise un seuil graduel plutôt que le seuil de -3 dB fréquemment utilisé. Les cartes de neige humide qui découlent de cette technique correspondent mieux aux incertitudes retrouvées sur le bassin en raison de la présence importante de forêts de conifères et de régions montagneuses. Les cartes ont été combinées au produit de neige de MODIS, afin d'utiliser son habileté à détecter le couvert nival avec précision pour corriger les zones de bruit des images RSO, causées entre autres par des sols gorgés en eau. Afin d'aider l'analyse des images RSO, une modélisation fine du manteau neigeux a été effectuée avec le logiciel Crocus afin de procéder à une analyse détaillée de l’évolution des caractéristiques du manteau neigeux, notamment du contenu en eau liquide de la neige, tout au long de l’hiver. La modélisation a été effectuée à l'emplacement de trois coussins à neige sur le bassin versant et est réalisée grâce à l'utilisation de données du North American Regional Reanalysis (NARR). À partir des résultats du modèle Crocus et de l'équivalent en eau observé aux coussins à neige, une relation a été établie entre la détection de neige humide en montagne par RADARSAT-2 et le ruissellement reçu au réservoir de la rivière Nechako. Avec le jeu de données actuel, le ruissellement maximal reçu au réservoir a été prévu avec une précision de 10 jours. Il est prévu que davantage d'années d’images radar pourraient permettre de confirmer et de réduire cet intervalle.

L'objectif de cette thèse est d'extraire la composante du courant de surface océanique dans l'axe de visée radar (ou direction radiale) à partir des informations enregistrées par un radar à synthèse d'ouverture (SAR) embarqué sur satellite. Nous analysons le décalage Doppler du signal reçu par le SAR à bord d'ENVISAT. Ce travail vise principalement à séparer, sur le décalage Doppler, la contribution des vagues et celle du courant ainsi qu'à étendre cette analyse à de larges scènes observées sous de multiples angles d'incidence. Cette étude se limite à la polarisation verticale et à la bande de fréquence C. La recherche de la signature de courant s'appuie sur l'hypothèse que le décalage Doppler ne résulte que des mouvements des vagues et du courant. De plus, nous supposons, dans une première étape, que le courant sur la surface d'estimation du décalage Doppler est uniforme. Suivant ces hypothèses, la contribution du courant peut être déduite du décalage Doppler au moyen d'une soustraction à partir de la contribution des vagues. Ces dernières ont des longueurs d'onde relativement courtes typiques de la mer du vent. L'utilisation pratique de l'information de vent à 10~m de la surface pour estimer la contribution des vagues est évaluée. La méthode d'extraction de la composante radiale du courant est mise au point et testée, dans un premier temps, pour un angle d'incidence constant de 23° à partir d'imagettes ponctuelles réparties sur l'ensemble des océans. La comparaison des moyennes mensuelles de la composante du courant extraite des données SAR avec les climatologies mensuelles issues des mesures de courant in-situ indique une erreur RMS de 0,35 m/s. Dans un second temps, la même méthodologie est appliquée à des images de grande taille (400 km par 400 km au minimum) pour lesquelles l'angle d'incidence local varie de 16 à 42°. Cette nouvelle configuration nécessite une analyse préalable de l'effet de l'angle d'incidence sur le décalage Doppler. Nous montrons que la contribution relative du courant au décalage Doppler augmente avec l'angle d'incidence et varie également en fonction de la direction du vent par rapport à la direction radiale. Les vitesses extraites des données SAR présentent un accord quantitatif avec les mesures de courant de capteurs in-situ. Ce résultat est encourageant pour le développement d'une application opérationnelle de cette méthode. Enfin, la dernière partie de ce travail est consacrée à un cas plus complexe pour lequel l'existence de courant côtier fortement variable ne permet plus de faire l'hypothèse de courant uniforme sur la surface d'estimation du décalage Doppler. Nous analysons dans ce cas des cartes de décalage Doppler à une résolution de l'ordre du kilomètre. Malgré la complexité de la situation, là encore, la confrontation des vitesses déduites du décalage Doppler avec des cartes de courant de marée indique le large potentiel des images SAR pour restituer une information de courant de surface à haute résolution.

Le bruit de chatoiement (speckle) lié aux systèmes d'imagerie cohérente a des conséquences sur l'analyse et l'interprétation des images radar à synthèse d'ouverture (RSO). Pour corriger ce défaut, nous profitons de séries temporelles d'images RSO bien recalées. Nous améliorons le filtre adaptatif temporel non-local à l'aide de méthodes performantes de débruitage adaptatif et proposons un filtrage temporel adaptatif basé sur les patchs. Pour réduire le biais du débruitage, nous proposons une méthode originale, rapide et efficace de débruitage multitemporel. L'idée principale de l'approche proposée est d'utiliser l'image dite "de ratio", donnée par le rapport entre l'image et la moyenne temporelle de la pile. Cette image de ratio est plus facile à débruiter qu'une image isolée en raison de sa meilleure stationnarité. Par ailleurs, les structures fines stables dans le temps sont bien préservées grâce au moyennage multitemporel. Disposant d'images débruitées, nous proposons ensuite d'utiliser la méthode du rapport de vraisemblance généralisé simplifié pour détecter les zones de changement ainsi que l'amplitude des changements et les instants de changements intéressants dans de longues séries d'images correctement recalées. En utilisant le partitionnement spectral, on applique le rapport de vraisemblance généralisé simplifié pour caractériser les changements des séries temporelles. Nous visualisons les résultats de détection en utilisant l'échelle de couleur 'jet' et une colorisation HSV. Ces méthodes ont été appliquées avec succès pour étudier des zones cultivées, des zones urbaines, des régions portuaires et des changements dus à des inondations. / The inherent speckle which is attached to any coherent imaging system affects the analysis and interpretation of synthetic aperture radar (SAR) images. To take advantage of well-registered multi-temporal SAR images, we improve the adaptive nonlocal temporal filter with state-of-the-art adaptive denoising methods and propose a patch based adaptive temporal filter. To address the bias problem of the denoising results, we propose a fast and efficient multitemporal despeckling method. The key idea of the proposed approach is the use of the ratio image, provided by the ratio between an image and the temporal mean of the stack. This ratio image is easier to denoise than a single image thanks to its improved stationarity. Besides, temporally stable thin structures are well-preserved thanks to the multi-temporal mean. Without reference image, we propose to use a patch-based auto-covariance residual evaluation method to examine the residual image and look for possible remaining structural contents. With speckle reduction images, we propose to use simplified generalized likelihood ratio method to detect the change area, change magnitude and change times in long series of well-registered images. Based on spectral clustering, we apply the simplified generalized likelihood ratio to detect the time series change types. Then, jet colormap and HSV colorization may be used to vividly visualize the detection results. These methods have been successfully applied to monitor farmland area, urban area, harbor region, and flooding area changes.