Segmentation d’images par modèles AM-FM Application aux images Sonar et MSG
Résumé
Dans cette thèse, l’approche AM-FM (Amplitude Modulation - Frequency Modulation) est employée pour segmenter des images numériques à haute résolution, respectivement collectées par un sonar et par un satellite d’observation météorologique. Ce type de segmentation a pour but de nous aider, d’une part, à la détection d’objets métalliques dans la mer avec le sonar et, d’autre part, à l’identification de la couverture nuageuse dans les images satellitaires. Cette approche est principalement basée sur l’algorithme de démodulation DESA (Discrete Energy Separation Algorithm) où l’opérateur d’énergie de Teager- Kaiser (TKEO) agit en tant que discriminateur de données. La Transformation de Karhunen – Loeve (KLT) est ensuite utilisée pour sélectionner les paramètres dominants caractérisant l’énergie générée par TKEO. Finalement, ces paramètres sont utilisés pour déterminer les composantes AM-FM et segmenter les images étudiées via la classification par les K-means. Dans une première étape, le modèle AM-FM ainsi décrit, a été associé à des filtres de Gabor. Grâce à cette méthode, des objets tels que les mines et les obus, sont mieux différenciés et leur contour, bien reproduits dans les images sonar. Dans une seconde étape, le modèle AM-FM sans filtres de Gabor, a été appliqué à un ensemble d’images collectées par Météosat 9 (MSG-2) dans les canaux VIS0.6, VIS0.8 et IR1.6 au dessus de l’Afrique du Nord. Grâce, à ce traitement multi-spectral où le filtrage de Gabor est inutile, le contour des terres et des mers est bien reproduit, et les divers types de nuages sont détectés et identifiés.