EP1433136A2 - Procede de modelisation d'image numerique affectee de bruit et d'exploitation du modele obtenu - Google Patents
Procede de modelisation d'image numerique affectee de bruit et d'exploitation du modele obtenuInfo
- Publication number
- EP1433136A2 EP1433136A2 EP02800175A EP02800175A EP1433136A2 EP 1433136 A2 EP1433136 A2 EP 1433136A2 EP 02800175 A EP02800175 A EP 02800175A EP 02800175 A EP02800175 A EP 02800175A EP 1433136 A2 EP1433136 A2 EP 1433136A2
- Authority
- EP
- European Patent Office
- Prior art keywords
- image
- values
- parameters
- pixel
- neighborhood
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Definitions
- the present invention relates to the modeling of digital images made up of pixels and representing a scene having at least one area of interest of particular radiometry, on a non-uniform background which will be called "clutter", in order to better show areas of interest or differentiate areas of interest of different natures.
- radiometry will designate a parameter representative of each point of the scene represented by the image and making it possible to constitute an image the pixels of which are each assigned a value representative of the radiometry.
- radiation can notably designate:
- Radiometry will generally be represented either by an amplitude, or by an energy or intensity (square of the amplitude).
- the invention finds a particularly important application in the modeling and interpretation of the images provided by a synthetic aperture radar, called SAR or RSO.
- These images show a speckle that is found in any image obtained by illumination in coherent waves, for example by laser or in ultrasound imaging.
- the RSO uses a number L of images, or views of the same site, acquired almost at the same time and statistically independent, which makes it possible to generate an L-views image less resolved than a single view image, but with less speckle.
- Two types of images are used: intensity images and amplitude images; For the latter, two types exist:
- the invention aims in particular to provide an image modeling method making it possible in particular to reduce the effects of noise and to better differentiate the zones of interest between them or with respect to a noisy background.
- the invention notably proposes a digital image modeling method consisting of pixels, according to which each pixel of coordinates i, j is defined by the values of parameters ⁇ ij, ⁇ 1 and ⁇ 2 representing the histogram Hvij of the radiometries on a determined neighborhood, of identical size for each pixel, in a representation in the form of a mixture.
- N is an integer greater than or equal to 2
- L is a positive number chosen according to the nature of the image or the number of views, known or estimated, in the case of mutil-viewed images.
- the numbers ⁇ k denote a set of N positive coefficients, with a sum equal to 1.
- the numbers ⁇ k designate a set of N parameters to be developed, representative of N complementary areas of the neighborhood,
- the parameters ⁇ , ⁇ 1 and ⁇ 2 on the different pixels are estimated from intensity histograms on the neighborhoods, generally of identical sizes, by solving the system of equations which results from the calculation of the cumulants of order 1, 2 and 3.
- the invention also aims to provide methods for exploiting the modeled image.
- the pixels are assigned to one or other of finite number zones, for example 2, of different natures
- operating modes include:
- the values of the parameters ⁇ , j, ⁇ 1, memo ⁇ 2, j of the mixing law can be used, at any point ij of the radar image, to separate the components a folding of the radar image, if we know a digital terrain model or DTM and the shooting geometry.
- FIG. 1 shows an example of a scene image comprising two distinct zones of different radiometric characteristics, affected by noise, and a particular size of neighborhood;
- FIG. 2 shows a sequence of processing performed on the image to arrive at modeling and possibly filtering
- FIG. 3 is a flowchart showing the method of obtaining ⁇ concerned, ⁇ 1 forbidden, ⁇ 2 forbidden
- the figure schematically shows an image Lvue, consisting of a rectangular matrix of pixels Lij belonging to the i th line and to the j th column.
- Each neighborhood is assigned a neighborhood 12, identical for all the pixels.
- it will generally be insufficient to adopt a neighborhood of 9 pixels.
- we will adopt a square neighborhood of at least 5 x 5 pixels.
- Each pixel of the image has a radiometric value x.
- For each pixel we calculate and optionally store log x, (log x) 2 and (log x) 3 .
- the table thus obtained constitutes a multiple histogram (step 14 in FIG. 2). From there, a neighborhood histogram is produced on each pixel ij.
- the constitution of neighborhood histograms implies, for each pixel, to do as many times the operations indicated in Figure 3 as there are points in the neighborhood. For each of the pixels belonging to the neighborhood, the operations shown in FIG. 3 give rise to three parameters, called "cumulants" A, B and C. The cumulants have, for each neighborhood pixel of size N,
- the operations carried out involve: - square or cube elevations and multiplications by constants (octagonal boxes) and
- a test makes it possible to determine whether the neighborhood of a determined pixel corresponds to a binary mixture of laws G ( ⁇ , L). For this, we solve a quadratic equation. Depending on the case, this equation has roots or not. If the discriminant of this equation is positive, this means that the vicinity of the pixel considered covers two different areas. If the discriminant is negative, this means that the neighborhood does not meet the conditions indicating the presence of a mixture of two zones.
- the backscatter coefficient ⁇ can be determined by the flowchart in Figure 6, where p represents ⁇ 1 or p2 and ⁇ represents ⁇ 1 or ⁇ 2, as the case may be.
- Figure 7 shows such a decomposition in two laws, while the calculation of a traditional G law would lead to the mean law represented in thick lines.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
Le procédé permet de modéliser une image numérique constituée de pixels. On définit chaque pixel de coordonnées i, j par les valeurs des paramètres αij µ1 et µ2 représentant l'histogramme Hvij des radiométries sur un voisinage déterminé, de taille identique pour chaque pixel dans une représentation sous forme de mélange: Hvij = αij.G(µ1ij, L) + (1-αij).G(µ2ij, L) où α est un coefficient de mélange de deux lois G, L est un nombre positif choisi en fonction du nombre de vues, µ1 et µ2 désignent des paramètres à élaborer, G désigne la fonction gamma représentant, pour des valeurs différentes de µ, des zones de natures différentes de l'image. La modélisation permet notamment une classification ou un débruitage.
Description
PROCEDE DE MODELISATION D' IMAGE NUMERIQUE AFFECTEE DE BRUIT ET D'EXPLOITATION DU MODELE OBTENU
La présente invention concerne la modélisation d'images numériques constituées de pixels et représentant une scène ayant au moins une zone d'intérêt de radiométrie particulière, sur un fond non uniforme qu'on qualifiera de « fouillis » ou « clutter », en vue de mieux faire apparaître les zones d'intérêt ou de différencier des zones d'intérêt de natures différentes.
Le terme « radiométrie » désignera un paramètre représentatif de chaque point de la scène représentée par l'image et permettant de constituer une image dont les pixels sont chacun affectés d'une valeur représentative de la radiométrie. Le terme "radiométrie" peut notamment désigner :
- l'intensité du rayonnement émis, par chaque point de la scène représentée par un pixel, vers un détecteur sur lequel est formé l'image, - la fraction réfléchie par la scène d'un rayonnement qui l'illumine.
La radiométrie sera généralement représentée soit par une amplitude, soit par une énergie ou intensité (carré de l'amplitude).
L'invention trouve une application particulièrement importante dans la modélisation et l'interprétation des images fournies par un radar à ouverture synthétique, dit SAR ou RSO.
Ces images présentent un chatoiement qu'on retrouve dans toute image obtenue par illumination en ondes cohérentes, par exemple par laser ou en imagerie échographique.
Le RSO utilise un nombre L d'images, ou vues du même site, acquises quasiment au même instant et statistiquement indépendantes, ce qui permet de générer une image L-vues moins résolue qu'une image monovue, mais avec moins de chatoiement. Deux types d'images sont utilisés : les images d'intensité et les images d'amplitude; Pour ces dernières, deux types existent:
* l'image d'amplitude L-vues obtenue en prenant la racine carrée de l'image d'intensité,
* l'image d'amplitude L-vues obtenue par moyennage de L images d'amplitude.
En cas de chatoiement les lois des images d'intensité sont approximativement des lois mathématiques dites lois gamma de la forme r [ μ, L ] où L est le nombre de vues, ce qui rend un simple seuillage inapproprié pour réduire correctement le chatoiement. II a déjà été proposé d'estimer des paramètres représentatifs du chatoiement d'images SAR par une méthode dite des cumulants de deuxième espèce dont on trouvera une description dans l'article « modélisation du chatoiement des images de radar à synthèse d'ouverture » de Jean Marie Nicolas ét al, ENST Pans, 99D007.
L'invention vise notamment à fournir un procédé de modélisation d'image permettant de réduire notamment les effets du bruit et de mieux différencier les zones d'intérêt entre elles ou par rapport à un fond bruité.
Dans ce but l'invention propose notamment un procédé de modélisation d'image numérique constituée de pixels, suivant lequel on définit chaque pixel de coordonnées i, j par les valeurs de paramètres αij , μ1 et μ2 représentant l'histogramme Hvij des radiometries sur un voisinage déterminé, de taille identique pour chaque pixel, dans une représentation sous forme de mélange.
Dans une formulation générale, ce mélange comporte deux transformations élémentaires ou davantage et peut s'écrire : Hvij = Σ [αk, . G (μk„ L)] k=1 ,N
OÙ
N est un entier supérieur ou égal à 2,
L est un nombre positif choisi en fonction de la nature de l'image ou du nombre de vues, connu ou estimé, en cas d'images mutil-vues. Les nombres αk désignent un ensemble de N coefficients positifs, de somme égale à 1.
Les nombres μk désignent un ensemble de N paramètres à élaborer, représentatifs de N zones complémentaires du voisinage,
G désigne la loi Gamma représentant, pour les valeurs différentes μk, des zones de natures différentes de l'image.
Il sera en général suffisant d'utiliser une combinaison de deux termes et dans ce cas le mélange peut s'écrire : Hvij = a, . G (μ1 ij, L) + (1 - oB ). G (μ2 ij, L) (1) OÙ α est un coefficient de mélange de deux lois gamma compris entre 0 et 1/2 L est un nombre positif choisi en fonction du nombre de vues connu ou estimé, μ1 et μ2 désignent des paramètres à élaborer, représentatifs de deux zones complémentaires du voisinage, G désigne la loi Gamma représentant, pour des valeurs différentes de μ, des zones de natures différentes de l'image.
On peut ensuite exploiter l'image en affeotant les pixels à l'une ou l'autre de zones de plusieurs natures en fonction de la valeur de α et /ou de μ, et μ2 pour obtenir une représentation. La détermination des paramètres α, μ1 et μ2 pour chaque pixel ij s'effectue par la méthode des cumulants de deuxième espèce appliquée à l'ensemble ou une partie de l'image, en mettant en œuvre des fonctions polygamma du genre exposé dans I' article ci-dessus, mais modifiées par introduction de termes correcteurs et de deux valeurs de μ.
Suivant la méthodologie de l'article mentionné ci-dessus, on estime les paramètres α, μ1 et μ2 sur les différents pixels à partir d'histogrammes d'intensité sur les voisinages, en général de tailles identiques, en résolvant le système d'équations qui découle du calcul des cumulants d'ordre 1 , 2 et 3.
A_ Σ «*
A" N
où Xj désigne successivement chacun des Ν pixels du voisinage.
On peut montrer dans ce formalisme que A = A' + Ψ (O,L) - log (L)
B = B' + Ψ (1 ,L)
C = C + Ψ (2,L) et que A', B' et C ne dépendent que de μ1 et μ2 et α.
L'invention vise également à fournir des procédés d'exploitation de l'image modélisée. Par exemple on affecte les pixels à l'une ou l'autre de zones en nombre fini, par exemple 2, de natures différentes
Suivant une première approche, on représente ou visualise une fausse image, en remplaçant la radiométrie de chaque pixel par la valeur du paramètre de partage α, ou par la valeur μ majoritaire ou encore par la valeur de α .μl ij + ( 1 - α ). μ2 ij. Suivant une autre approche, la détection de zones particulières est facilitée en les mettant en évidence.
A titre d'exemples de modes d'exploitation on peut citer :
(a) - un filtrage, en constituant toute combinaison des valeurs de paramètres α,„ μ1„, μ2„ de la loi de mélange constituant un filtrage : IF = fonction (α,,, μ1„, μ2,j) et parmi celles-ci :
(a1)soit une image d'hétérogénéité IH :
IH „ = (1- 2*α,j)k avec k positif, typiquement inférieur ou égal à 3. On obtient IH = 0 pour un voisinage totalement homogène et IH = 1 pour un voisinage très hétérogène.
(a2)soit une image de modalité IM montrant le caractère dominant du mélange :
(a3)soit une image débruitée ID : ID„ = α„.μ1„+(1-α„).μ2ij ou encore
IDIJ = (μ1IJ)exp αlJ + (μ2ij ) exp(1-αIJ)
(a4) soit une image de détection de cible IC: si μ1 est très supérieur à μ2, alors IC, = 1 : si non, IC, = 0, ce qui peut aussi être noté:
IC„ = I (μ1/μ2 >k)avec typiquement k au moins égal à 10.
On obtient IC= 1 pour tous les voisinages qui contiennent tout ou partie d'une cible de petite taille, ayant une rétrodiffusion nettement plus forte que le fond.
(b) une classification, en affectant chaque pixel i,j à une classe par - (b1) utilisation d'un ensemble de valeurs mesurées ou modélisées du paramètre μk pour différents types des terrains ou des matériaux connus numérotés par k, ou
- (b2) comparaison en tout point ij de l'image radar, de μ1„ et μ2„, pris ensemble ou séparément, avec l'ensemble des valeurs μk afin de déterminer les valeurs les plus semblables. On définit ainsi les types de terrains ou matériaux composant le mélange dans le cas d'une image SAR.
(c) Dans le cas d'une image SAR d'une fraction de la surface de la terre, dont on dispose en même temps d'images obtenues dans une ou d'autres régions du spectre électromagnétique, visible ou non, sur les mêmes localisations de la surface de la terre, classification de l'image en utilisant les valeurs des paramètres α,„ μ1„, μ2„ de la loi de mélange en tout point ij de l'image SAR et les valeurs de paramètres spectraux dans une ou d'autres domaines du spectre ; cette classification peut s'effectuer par :
- utilisation d'un ensemble de valeurs mesurées ou modélisées de la réponse spectrale L2k, L2k, ... Lnk dans n bandes spectrales du domaine électromagnétique ou dans des canaux polarimètriques d'une même bande spectrale, pour les mêmes types de terrains ou des matériaux connus, numérotés par k, et
- comparaison en tout point ij de l'image radar, de μ1,, et μ2„,pris ensemble ou séparément, associés aux valeurs de la réponse spectrale L1„, L2„, ... Ln„ prises ensembles ou séparément, par un ou plusieurs autres capteurs ayant formé une image de la même zone de la surface du globe terrestre selon le même maillage ij,
avec l'ensemble des valeurs μk et L1k, L2k ... Lnk afin de déterminer la valeur la plus semblable ; on définit ainsi le type k de terrain ou de matériau le plus ressemblant.
(d) Encore dans le cas d'une image radar, on peut utiliser les valeurs des paramètres α,j, μ1,„ μ2,j de la loi de mélange, en tout point ij de l'image radar, pour séparer les composantes d'un repliement de l'image radar, si on connaît un modèle numérique de terrain ou MNT et la géométrie de prise de vue. En particulier on peut utiliser les paramètres α,„ μ1,j, μ2„ de la loi de mélange en tout point ij correspondant à une zone de repliement, connaissant le MNT (modèle numérique de terrain) et la géométrie de prise de vue, pour séparer la réponse spectrale d'une zone de repliement en exploitant le facteur de mélange α,„ sachant par la géométrie quelle réponse spectrale est dominante.
Toutes les applications ci-dessus sont directement transposable à un nombre de combinaison de plus de deux fonctions de G.
Les caractéristiques ci-dessus ainsi que d'autres apparaîtront mieux à la lecture de la description qui suit de modes particuliers de réalisation de l'invention, donnés à titre d'exemples non limitatifs. La description se réfère aux dessins qui l'accompagnent, dans lesquels :
- la figure 1 montre un exemple d'image de scène comportant deux zones distinctes de caractéristiques radiométriques différentes, affectées de bruit, et une taille particulière de voisinage ;
- la figure 2 montre une séquence de traitements effectués sur l'image pour arriver à la modélisation et éventuellement au filtrage ;
- la figure 3 est un organigramme montrant le mode d'obtention de α„, μ1„, μ2„
- les figures 4, 5 et 6 sont des organigrammes de calcul complémentaires - la figure 7 montre un exemple de superposition de deux lois G (μ , L) représentant un voisinage particulier.
La figure montre schématiquement une image Lvue, constituée d'une matrice rectangulaire de pixels Lij appartenant à la ième ligne et à la jeme colonne A chaque pixel est affecté un voisinage 12, identique pour tous les pixels. Pour une mise en œuvre efficace de l'invention, il sera généralement insuffisant d'adopter un voisinage de 9
pixels. En général on adoptera un voisinage carré d'au moins 5 x 5 pixels. Chaque pixel de l'image présente une valeur radiométrique x. Pour chaque pixel, on calcule et on éventuellement on mémorise log x, (log x)2 et (log x)3. Le tableau ainsi obtenu constitue un histogramme multiple (étape 14 sur la figure 2). A partir de là, un histogramme de voisinage est réalisé sur chaque pixel ij.
La constitution des histogrammes de voisinage implique, pour chaque pixel, de faire autant de fois les opérations indiquées sur la figure 3 qu'il y a de points dans le voisinage. Pour chacun des pixels appartenant au voisinage, les opérations montrées en figure 3 donnent naissance à trois paramètres, dits "cumulants" A, B et C. Les cumulants ont, pour chaque pixel de voisinage de taille N,
- pour A, la valeur donnée par la formule (2) ci-dessus,
- pour B, la valeur donnée par la formule (3) ci-dessus,
- pour C, la valeur donnée par la formule (4) ci-dessus.
Les opérations effectuées impliquent: - des élévations au carré ou au cube et des multiplications par des constantes (boîtes octogonales) et
- des additions.
Au lieu d'utiliser, comme dans le cas de l'article mentionné plus haut, les valeurs
A, B et C directement, on utilise des valeurs corrigées et on obtient en sortie des valeurs A -A-ΔA, B -B-ΔB et C'=C-ΔC et C = C + ΔC. Les termes correctifs Δ, tels qu'ils ont été obtenus par exploitation des propriétés des lois gamma G et confortés par l'expérience, sont différents suivant que les valeurs radiométriques choisies sont des amplitudes ou des intensités. Les valeurs données dans les tableaux ci-après, pour un nombre de vues L = 1 , 2, 3 ou 4, représentent des valeurs approximatives. TABLEAU 1 : INTENSITE
TABLEAU 2: AMPLITUDE
Lorsque l'utilisateur ne connaît pas le nombre de vues qui a été utilisé pour obtenir l'image d'origine, plusieurs tentatives successives peuvent être faites afin de déterminer quel est le choix qui donne le meilleur résultat.
A partir des valeurs B' et C, un test permet de déterminer si le voisinage d'un pixel déterminé correspond à un mélange binaire de lois G (μ , L). Pour cela, on résout une équation du second degré. Selon le cas, cette équation a des racines ou non. Si le discriminant de cette équation est positif, cela signifie que le voisinage du pixel considéré recouvre deux zones différentes. Si le discriminant est négatif, cela signifie que le voisinage ne répond pas aux conditions indiquant la présence d'un mélange de deux zones.
Dans cette équation du second degré en α : Ma2 + Na + P = 0, on a :
M = (4B'3 + 2C'2)
N = - M
P = - B'3 II découle de ces notations que la somme des deux racines, si elles existent, est égale à 1.
Le calcul peut être fait par un organigramme du genre montré en figure 3.
Il existe des solutions si le discriminant Δ =( 4 B'3 + 2 C'2 ) C'2, calculé à partir des valeurs de B' et C, est positif. On calculera alors sa racine carrée D = Δ1 2, qui sera réutilisée pour le calcul du rapport des rétrodiffusions p = μ2/μ1.
En revanche, si le discriminant est négatif, il n'y a pas de mélange, et on forcera α à la valeur 1 et le rapport p à 1.
Ceci peut être fait par un organigramme du genre montré en figure 4.
Ensuite, lorsque le discriminant est positif, à partir de B' et C et D, on peut calculer le coefficient de mélange α : α = 1/2 ( 1 - D/M), ou encore α = A ( 1 - D/(4 B'3 + 2 C'2 )),
ainsi que p = exp(C7 (B'.(1 - 2 α)) Cela peut être fait par un organigramme du genre montré en figure 5.
Connaissant A' et α1 , ρ1 , ou les valeurs complémentaires α2, p2, le coefficient de rétrodiffusion μ peut être déterminé par l'organigramme de la figure 6, où p représente ρ1 ou p2 et α représente α1 ou α2, suivant le cas.
On dispose ainsi de la loi (1) dont on peut faire les différents usages mentionnés plus haut. Pour ce qui concerne l'obtention d'une image débruitée, il peut être avantageux d'utiliser la combinaison géométrique :
ID = μ1„ Λ α„ *2y Λ(1-αIJ).μ2„ plutôt que la combinaison arithmétique ID,, = αl,.μ1l|+(1-α„).μ2ij qui fournit une moyenne. On voit que l'invention permet de décomposer la loi de représentation de l'histogramme du voisinage de tout pixel en deux lois G lorsque ce voisinage recouvre deux zones différentes.
La figure 7 montre une telle décomposition en deux lois, alors que le calcul d'une loi G traditionnelle conduirait à la loi moyenne représentée en traits épais.
Claims
1. Procédé de modélisation d'image numérique constituée de pixels, suivant lequel on définit chaque pixel de coordonnées i, j par les valeurs de paramètres αkjj et μ k représentant l'histogramme Hvij des radiometries sur un voisinage déterminé, de taille identique pour chaque pixel, dans une représentation sous forme de mélange. Hvij = Σ [αk, . G (μk,, L)] k=1 ,N OÙ N est un entier supérieur ou égal à 2,
L est un nombre positif choisi en fonction de la nature de l'image ou du nombre de vues, connu ou estimé, en cas d'images mutil-vues.
Les nombres αk désignent un ensemble de N coefficients positifs, de somme égale à 1. Les nombres μk désignent un ensemble de N paramètres à élaborer, représentatifs de N zones complémentaires du voisinage,
G désigne la loi Gamma représentant, pour les valeurs différentes μk, des zones de natures différentes de l'image.
2. Procédé de modélisation d'image numérique constituée de pixels, suivant lequel on définit chaque pixel de coordonnées i, j par les valeurs des paramètres α,, , μ1 et μ2 représentant l'histogramme Hvij des radiometries sur un voisinage déterminé de taille identique pour chaque pixel dans une représentation sous forme de mélange :
Hvij = α„ . G (μ1 ij, L) + (1 - α„ ). G (μ2 ij, L) OÙ
L est un nombre positif choisi en fonction de la nature de l'image ou de nombres de vues en cas d'images multi-vues α est un coefficient de mélange de deux lois gamma compris entre 0 et Vz, L est un nombre positif choisi en fonction du nombre de vues, connu ou estimé, μ1 et μ2 désignent des paramètres à élaborer, représentatifs de deux zones complémentaires du voisinage,
G désigne la loi gamma représentant, pour des valeurs différentes de μ, des zones de natures différentes de l'image.
3. Procédé selon la revendication 1 ou 2, comportant une étape ultérieure d'exploitation en affectant les pixels à l'une ou l'autre de zones, en nombre fini, par exemple 2, de natures différentes
4. Procédé selon la revendication 2, suivant lequel l'exploitation constitue un filtrage, en constituant soit une image d'hétérogénéité IH : k étant positif, soit une image de modalité IM montrant le caractère dominant du mélange :
IM, = μ2„ soit une image débruitée ID :(
ID, = α„.μ1„+(1-α,j).μ2ij ou ID = (μly)exp αij + (μ2q) exp (1- αij) soit une image de détection de cible IC, si μ1 est très supérieur à μ2, alors ICy=1 si non, ICy=0.
5. Procédé selon la revendication 2, suivant lequel l'exploitation effectue une classification, en affectant chaque pixel i,j à une classe déterminée par
- utilisation d'un ensemble de valeurs mesurées ou modélisées du paramètre μk pour différents types des terrains ou des matériaux connus numérotés par k, ou
- comparaison en tout point ij de l'image radar, de μ1„ et μ2,j, pris ensemble ou séparément, avec l'ensemble des valeurs μ afin de déterminer les valeurs les plus semblables.
6. Procédé selon la revendication 2, suivant lequel, dans le cas d'une image SAR de la terre, on utilise les valeurs des paramètres α„, μ1„, μ2„ de la loi de mélange en tout point ij de l'image radar et des valeurs de paramètres spectraux dans d'autres domaines du spectre électromagnétique visible, mesurés sur les mêmes localisations de la surface de la terre , pour effectuer une classification de l'image : - par utilisation d'un ensemble de valeurs mesurées ou modernisées de la réponse spectrale L2 , L2k, ... Lnk dans n bande spectrale du domaine électromagnétique visible ou non visible, pour les mêmes types de terrains ou des matériaux connus, numérotés par k, - ou par comparaison en tout point ij de l'image radar, de μ1„ et μ2„,pris ensemble ou séparément, associés aux valeurs de la réponse spectrale L1„, L2„, ... Ln„ prises ensembles ou séparément, par un ou plusieurs autres capteurs ayant formé une image de la même zone de la surface du globe terrestre selon le même maillage ij, avec l'ensemble des valeurs μk et L1k, L2k ... Lnk afin de déterminer la valeur la plus semblable, ce qui définira le type k de terrain ou de matériau le plus ressemblant.
7. Procédé selon la revendication 2, suivant lequel, dans le cas d'une image radar, on utilise les valeurs des paramètres α,„ μ1„, μ2„ de la loi de mélange, en tout point ij de l'image radar, pour séparer les composantes d'un repliement de l'image radar.
8. Procédé selon la revendication 2, suivant lequel on utilise les paramètres α,„ μ1,„ μ2„ de la loi de mélange en tout point ij correspondant à une zone de repliement, les paramètres α,„ μ1„, μ2„ de la loi de mélange, connaissant le MNT et la géométrie de prise de vue, pour séparer la réponse spectrale d'une zone de repliement en exploitant le facteur de mélange α,„ sachant par la géométrie quelle réponse spectrale est dominante.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0112648 | 2001-10-02 | ||
| FR0112648A FR2830356B1 (fr) | 2001-10-02 | 2001-10-02 | Procede de modelisation d'image numerique affectee de bruit et d'exploitation du modele obtenu |
| PCT/FR2002/003359 WO2003030102A2 (fr) | 2001-10-02 | 2002-10-02 | Procede de modelisation d'image numerique affectee de bruit et d'exploitation du modele obtenu |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| EP1433136A2 true EP1433136A2 (fr) | 2004-06-30 |
Family
ID=8867832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| EP02800175A Withdrawn EP1433136A2 (fr) | 2001-10-02 | 2002-10-02 | Procede de modelisation d'image numerique affectee de bruit et d'exploitation du modele obtenu |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP1433136A2 (fr) |
| FR (1) | FR2830356B1 (fr) |
| WO (1) | WO2003030102A2 (fr) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110020693B (zh) * | 2019-04-15 | 2021-06-08 | 西安电子科技大学 | 基于特征注意和特征改善网络的极化sar图像分类方法 |
-
2001
- 2001-10-02 FR FR0112648A patent/FR2830356B1/fr not_active Expired - Fee Related
-
2002
- 2002-10-02 WO PCT/FR2002/003359 patent/WO2003030102A2/fr not_active Ceased
- 2002-10-02 EP EP02800175A patent/EP1433136A2/fr not_active Withdrawn
Non-Patent Citations (2)
| Title |
|---|
| ALGORITHMS FOR SYNTHETIC APERTURE RADAR IMAGERY VIII 16-19 APRIL 2001 ORLANDO, FL, USA, vol. 4382, Proceedings of the SPIE - The International Society for Optical Engineering SPIE-Int. Soc. Opt. Eng USA, pages 379 - 388, ISSN: 0277-786X * |
| DATABASE INSPEC [online] THE INSTITUTION OF ELECTRICAL ENGINEERS, STEVENAGE, GB; 2001, DEVORE M D ET AL: "Statistical assessment of model fit for synthetic aperture radar data", Database accession no. 7213988 * |
Also Published As
| Publication number | Publication date |
|---|---|
| FR2830356A1 (fr) | 2003-04-04 |
| FR2830356B1 (fr) | 2003-12-05 |
| WO2003030102A2 (fr) | 2003-04-10 |
| WO2003030102A3 (fr) | 2004-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bottrell et al. | Bulge plus disc and Sersic decomposition catalogues for 16 908 galaxies in the SDSS Stripe 82 co-adds: a detailed study of the ugriz structural measurements | |
| Raihan A et al. | Review of underwater image restoration algorithms | |
| Jonckheere et al. | Assessment of automatic gap fraction estimation of forests from digital hemispherical photography | |
| EP0927405B1 (fr) | Dispositif electronique de traitement d'images pour la detection de variations dimensionnelles | |
| Ghaffar et al. | Data augmentation approaches for satellite image super-resolution | |
| EP4143567B1 (fr) | Procede de detection d'au moins un constituant geologique d'un echantillon de roche | |
| WO2004001451A1 (fr) | Procede, dispositif et produit-programme de lissage d'une propriete de subsurface | |
| FR2777374A1 (fr) | Procede de recalage de deux images differentes d'un meme objet | |
| Ortiz et al. | Evaluating visible derivative spectroscopy by varimax-rotated, principal component analysis of aerial hyperspectral images from the western basin of Lake Erie | |
| CN108805835B (zh) | 基于截断统计特征的sar图像双边滤波方法 | |
| CA2252005A1 (fr) | Procede de correction du flux diffuse dans des images de radiographie numerique | |
| Ehses et al. | Depth derivation using multispectral WorldView-2 satellite imagery | |
| FR2790851A1 (fr) | Procede d'amelioration de la detection d'elements d'interet dans une image radiographique numerique | |
| CN114627318A (zh) | 一种微塑料或纳塑料识别方法、终端设备及存储介质 | |
| EP0345852A1 (fr) | Echographe ultrasonore à bruit d'interférence réduit | |
| EP1433136A2 (fr) | Procede de modelisation d'image numerique affectee de bruit et d'exploitation du modele obtenu | |
| Andréfouët et al. | Influence of the spatial resolution of SeaWiFS, Landsat-7, SPOT, and International Space Station data on estimates of landscape parameters of Pacific Ocean atolls | |
| Meek | Multiresolution image fusion of thematic mapper imagery with synthetic aperture radar imagery | |
| FR3083633A1 (fr) | Procede et dispositif d'affichage de donnees sonar ou radar a haute dynamique | |
| Real et al. | A Novel Noise Removal Algorithm for Vertical Artifacts in Digital Elevation Models | |
| FR3113735A1 (fr) | Procédé de détection et de comptage d’au moins un constituant géologique d’un échantillon de roche | |
| Lelégard | Motion blur detection in aerial images shot with channel-dependent exposure time | |
| Ipatov et al. | Automatic removal of cosmic ray signatures in Deep Impact images | |
| Hu et al. | UNet-NNI: A collaborative inpainting method based on deep-sea multibeam backscatter intensity images | |
| Yi et al. | Image restoration method for longitudinal laser tomography based on degradation matrix estimation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PUAI | Public reference made under article 153(3) epc to a published international application that has entered the european phase |
Free format text: ORIGINAL CODE: 0009012 |
|
| 17P | Request for examination filed |
Effective date: 20040312 |
|
| AK | Designated contracting states |
Kind code of ref document: A2 Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR IE IT LI LU MC NL PT SE SK TR |
|
| AX | Request for extension of the european patent |
Extension state: AL LT LV MK RO SI |
|
| RAP1 | Party data changed (applicant data changed or rights of an application transferred) |
Owner name: EADS DEFENCE AND SECURITY SYSTEMS SA |
|
| RAP1 | Party data changed (applicant data changed or rights of an application transferred) |
Owner name: EADS DEFENCE AND SECURITY SYSTEMS SOCIETE PAR ACTI |
|
| 17Q | First examination report despatched |
Effective date: 20100701 |
|
| RAP1 | Party data changed (applicant data changed or rights of an application transferred) |
Owner name: CASSIDIAN SAS |
|
| RAP1 | Party data changed (applicant data changed or rights of an application transferred) |
Owner name: AIRBUS DS SAS |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN |
|
| 18D | Application deemed to be withdrawn |
Effective date: 20140501 |