No description available.

No description available.

The dissertation presents a method for deriving the shape of a surface from a radar image of the surface. An appropriate model of radar image formation is derived from physical principles. A Bayesian formulation of the inversion problem is developed upon which a computational strategy is based. Theoretical results on random surfaces relevant to the prior distribution are presented, and convergence and optimality properties of a new sampling algorithm are described. The technique is applied to Magellan data of Venus.

Dans l’océan, les bancs de proies représentent une source d’alimentation ponctuelle. Pour pallier à cela, les oiseaux marins profitent de l’information sociale provenant de conspécifiques, hétérospecifiques, ou bateaux de pêche. Dans cette thèse, nous cherchons à évaluer l’influence de différentes sources d’information sur les stratégies de recherche alimentaire des oiseaux marins en milieu pélagique tropical.Les oiseaux détectent des prédateurs ou des bateaux à des distances dépassant dix kilomètres. Nous étudions donc leur distribution à sub-méso-échelle, ceci grâce à des images d’un radar à bord d’un thonier senneur.Les images radar offrent une visualisation, dans les 30 km autour du navire, de la distribution instantanée de la communauté d’oiseaux en vol et de leurs déplacements. Nous mettons au jour des motifs d’agrégation temporaires, d’une dizaine de kilomètres de diamètre, au sein de la distribution des oiseaux. Les distances entre groupes d’oiseaux sont compatibles avec l’échange d’information au sein de ces agrégations.Une étude plus fine révèle des vols coordonnés de groupes d’oiseaux distants de plusieurs centaines de mètres («râteaux»), suggérant un haut degré de coopération lors de la recherche de proies. Nous questionnons ensuite le degré de perturbation du senneur dans la recherche alimentaire des oiseaux. Les résultats indiquent que les oiseaux marins discriminent les différentes activités du navire.Ce travail constitue, à notre connaissance, la première utilisation des radars embarqués pour l’étude de l’écologie des oiseaux en haute mer, et ouvre nombre de perspectives pour comprendre la dynamique des interactions entre prédateurs marins supérieurs. / In the ocean, prey is patchily distributed. To overcome this challenge, pelagic seabirds benefit from social information from conspecifics, heterospecifics, or fishing boats.As part of this dissertation, we aim at evaluating the influence of different information sources in seabird foraging strategies in the tropical pelagic environment.Seabirds can detect visible predators or boats at distances of over ten kilometres. We thus study the distribution of seabirds at sub-meso-scale, analysing images recorded from a radar on board a tuna purse-seiner. Radar images provide a visualisation of the instantaneous distribution of the in-flight seabird community as well as seabird movements within thirty kilometres of the seiner. We detect over-aggregatedand temporary patterns, spanning about ten kilometers, within flying seabirds’ distribution. Distancesbetween seabird groups are compatible with information exchanges within these aggregations. A finer scale study reveals coordinated flights of seabird groups distant of hundreds of meters from each others (« rakes »), and suggesting a high level of coordination during foraging. We then investigate the potential disturbance induced by the seiner in the seabirds’ foraging network.First results indicate that seabirds can discriminate the different seiner’s activities.To our knowledge, this work is the first contribution of on board radars use for the study of seabird ecology in the high seas, and opens interesting perspectives, such as the understanding of interactions’ dynamics within the marine top-predators guild.

Avec l’avènement de nouvelles techniques d’acquisition d’image et l’émergence des systèmes satellitaires à haute résolution, les données de télédétection à exploiter sont devenues de plus en plus riches et variées. Leur combinaison est donc devenue essentielle pour améliorer le processus d’extraction des informations utiles liées à la nature physique des surfaces observées. Cependant, ces données sont généralement hétérogènes et imparfaites ce qui pose plusieurs problèmes au niveau de leur traitement conjoint et nécessite le développement de méthodes spécifiques. C’est dans ce contexte que s’inscrit cette thèse qui vise à élaborer une nouvelle méthode de fusion évidentielle dédiée au traitement des images de télédétection hétérogènes à haute résolution. Afin d’atteindre cet objectif, nous axons notre recherche, en premier lieu, sur le développement d’une nouvelle approche pour l’estimation des fonctions de croyance basée sur la carte de Kohonen pour simplifier l’opération d’affectation des masses des gros volumes de données occupées par ces images. La méthode proposée permet de modéliser non seulement l’ignorance et l’imprécision de nos sources d’information, mais aussi leur paradoxe. Ensuite, nous exploitons cette approche d’estimation pour proposer une technique de fusion originale qui permettra de remédier aux problèmes dus à la grande variété des connaissances apportées par ces capteurs hétérogènes. Finalement, nous étudions la manière dont la dépendance entre ces sources peut être considérée dans le processus de fusion moyennant la théorie des copules. Pour cette raison, une nouvelle technique pour choisir la copule la plus appropriée est introduite. La partie expérimentale de ce travail est dédiée à la cartographie de l’occupation des sols dans les zones agricoles en utilisant des images SPOT-5 et RADARSAT-2. L’étude expérimentale réalisée démontre la robustesse et l’efficacité des approches développées dans le cadre de cette thèse. / With the advent of new image acquisition techniques and the emergence of high-resolution satellite systems, remote sensing data to be exploited have become increasingly rich and varied. Their combination has thus become essential to improve the process of extracting useful information related to the physical nature of the observed surfaces. However, these data are generally heterogeneous and imperfect, which poses several problems in their joint treatment and requires the development of specific methods. It is in this context that falls this thesis that aimed at developing a new evidential fusion method dedicated to heterogeneous remote sensing images processing at high resolution. In order to achieve this objective, we first focus our research, firstly, on the development of a new approach for the belief functions estimation based on Kohonen’s map in order to simplify the masses assignment operation of the large volumes of data occupied by these images. The proposed method allows to model not only the ignorance and the imprecision of our sources of information, but also their paradox. After that, we exploit this estimation approach to propose an original fusion technique that will solve problems due to the wide variety of knowledge provided by these heterogeneous sensors. Finally, we study the way in which the dependence between these sources can be considered in the fusion process using the copula theory. For this reason, a new technique for choosing the most appropriate copula is introduced. The experimental part of this work isdevoted to land use mapping in case of agricultural areas using SPOT-5 and RADARSAT-2 images. The experimental study carried out demonstrates the robustness and effectiveness of the approaches developed in the framework of this thesis.