Détection de points d'intérêt par acquisition compressée dans une image multispectrale - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2013

Feature detection in a multispectral image by compressed sensing

Détection de points d'intérêt par acquisition compressée dans une image multispectrale

Sylvain Rousseau
  • Fonction : Auteur
  • PersonId : 1028652
SIC

Résumé

Multi- and hyper-spectral sensors generate a huge stream of data. A way around this problem is to use a compressive acquisition of the multi- and hyper-spectral object. The object is then reconstructed when needed. The next step is to avoid this reconstruction and to work directly with compressed data to achieve a conventional treatment on an object of this nature. After introducing a first approach using Riemannian tools to perform edge detection in multispectral image, we present the principles of the compressive sensing and algorithms used to solve its problems. Then we devote an entire chapter to the detailed study of one of them, Bregman type algorithms which by their flexibility and efficiency will allow us to solve the minimization encountered later. We then focuses on the detection of signatures in a multispectral image relying on an original algorithm of Guo and Osher based on minimizing $L_1$. This algorithm is generalized in connection with the acquisition compressed. A second generalization will help us to achieve the pattern detection in a multispectral image. And finally, we introduce new matrices of measures that greatly simplifies calculations while maintaining a good quality of measurements.
Les capteurs multi- et hyper-spectraux génèrent un énorme flot de données. Un moyen de contourner cette difficulté est de pratiquer une acquisition compressée de l'objet multi- et hyper-spectral. Les données sont alors directement compressées et l'objet est reconstruit lorsqu'on en a besoin. L'étape suivante consiste à éviter cette reconstruction et à travailler directement avec les données compressées pour réaliser un traitement classique sur un objet de cette nature. Après avoir introduit une première approche qui utilise des outils riemanniens pour effectuer une détection de contours dans une image multispectrale, nous présentons les principes de l'acquisition compressée et différents algorithmes utilisés pour résoudre les problèmes qu'elle pose. Ensuite, nous consacrons un chapitre entier à l'étude détaillée de l'un d'entre eux, les algorithmes de type Bregman qui, par leur flexibilité et leur efficacité vont nous permettre de résoudre les minimisations rencontrées plus tard. On s'intéresse ensuite à la détection de signatures dans une image multispectrale et plus particulièrement à un algorithme original du Guo et Osher reposant sur une minimisation $L_1$. Cet algorithme est généralisé dans le cadre de l'acquisition compressée. Une seconde généralisation va permettre de réaliser de la détection de motifs dans une image multispectrale. Et enfin, nous introduirons de nouvelles matrices de mesures qui simplifie énormément les calculs tout en gardant de bonnes qualités de mesures.
Fichier principal
Vignette du fichier
thesis_final.pdf (1.29 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00968176 , version 1 (01-04-2014)

Identifiants

  • HAL Id : tel-00968176 , version 1

Citer

Sylvain Rousseau. Détection de points d'intérêt par acquisition compressée dans une image multispectrale. Traitement du signal et de l'image [eess.SP]. Université de Poitiers, 2013. Français. ⟨NNT : ⟩. ⟨tel-00968176⟩
193 Consultations
349 Téléchargements

Partager

Gmail Facebook X LinkedIn More