La thèse porte sur l'extraction d'informations et l'amélioration des données RSO de un mètre de résolution visant à fournir des meilleurs descripteurs de contenu pour la compréhension des scènes et la reconnaissance de cibles, pour des produits améliorés radiométriquement et spatialement. Pour atteindre cet objectif, la thèse approche le problème de la modélisation des images RSO et propose une nouvelle solution fondée sur l'estimation du problème inverse pour l'extraction d'information. Le problème de la sélection du modèle est géré par le taux de distorsion, en raison de sa correspondance avec le cadre de l'inférence bayésienne. Nous commençons l'analyse avec l'extension de la famille de champs aléatoires de Gauss-Markov linéaires a des données à valeurs complexes, qui s'applique aux variables aléatoires à valeurs complexes : la distribution normale à plusieurs variables complexes et le modèle paramétriques des champs aléatoires de Gauss-Markov en cas de variables aléatoires correctes et incorrectes. La méthode proposée est une régularisation de Tikhonov dans le domaine complexe. Le speckle est traité comme un processus aléatoire à valeurs réelles. L'approche dans le domaine complexe permet de gérer la formation de l'image cohérente comme information ou comme incertitude dans le cas de structures ou de textures de la scène. Dans le contexte de l'optimisation des paramètres pour l'extraction de caractéristiques, a fenêtre d'analyse optimale (moyenne) et l'ordre optimal (moyen) du processus d'auto-régression sont estimés à l'aide du taux de distorsion. Cela confirme que le taux de distorsion est une bonne méthode basée sur l'entropie pour la sélection de modèle.
| Identifer | oai:union.ndltd.org:CCSD/oai:pastel.archives-ouvertes.fr:pastel-00561766 |
| Date | 12 January 2010 |
| Creators | Soccorsi, Matteo |
| Publisher | Télécom ParisTech |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | English |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0017 seconds