login
english version rss feed
Detailed view pastel-00565362, version 1
Minimisation multi-étiquette d'énergies markoviennes par coupe-minimum sur graphe: application à la reconstruction de la phase interférométrique en imagerie RSO
Aymen Shabou ()1
1:  LTCI - Laboratoire Traitement et Communication de l'Information [Paris]
Les approches markoviennes en imagerie et vision par ordinateur offrent un cadre mathématique élégant pour résoudre certains problèmes complexes. Le plus souvent, la fonction d'énergie globale modélisant le problème demeure difficile à minimiser. La première contribution de cette thèse consiste alors à proposer des algorithmes d'optimisation efficace de la classe d'énergies markoviennes multi-étiquettes de premier ordre ayant une attache aux données quelconque et un a priori convexe. Les algorithmes proposés reposent sur la technique de coupe-minimum sur graphe et des stratégies d'optimisation itérative par des nouveaux mouvements de partitions larges et multi-étiquettes, qui permettent d'avoir un compromis entre la qualité de l'optimum atteint et la complexité algorithmique. Le cadre applicatif principal de cette thèse est la reconstruction du relief par interférométrie radar à synthèse d'ouverture. Cette méthode de calcul de modèles numériques de terrain est confrontée le plus souvent à la nature très bruitée des données radar et aussi à la complexité des scènes naturelles et urbaines à reconstruire et à leur grande dimension. Ainsi, la seconde contribution de ces travaux de thèse consiste à proposer des modèles markoviens robustes face à la diversité des scènes à reconstruire dans le cas général et des algorithmes d'optimisation qui leur sont appropriés. L'approche générale est testée et validée sur un jeu de données radar synthétiques et réelles (ERS et ESAR).

2010-11-09
Sciences et technologies de l'information et de la communication
Télécom ParisTech
Optimisation combinatoire – coupe-minimum sur graphe – Champs de Markov – Déroulement de phase – Radar à synthèse d'ouverture – Modèles numériques de terrain
Multi-label MRF Energy Minimization with Graph-cuts: Application to InSAR Phase Reconstruction
The MRF in computer vision and image analysis is a powerful framework for solving complex problems using the MAP estimation. However, some image processing problems deal with high dimensional data and require non-convex MRF energy functions. Thus, optimization process becomes a hard task. The first contribution of this thesis is developing new efficient optimization algorithms for the class of the first order multi-label MRF energies with any likelihood terms and convex prior. The proposed algorithms rely on the graph-cut technique, and iterative strategies based on large and multi-label partition moves. These algorithms offer a trade-off between optimum quality and algorithm complexity. The main application of this work is the digital elevation model (DEM) estimation using interferometric synthetic aperture radar (InSAR) data. This problem is usually considered as a complex and an ill-posed one, because of the high noise rate affecting interferograms and the complex structures qualifying real natural and urban area. So, the second contribution of this work is developing new MRF models relying on the multichannel interferometric likelihood density function and the total variation regularization. Appropriate optimization algorithms are then proposed. The new approach is applied to synthetic and real InSAR data showing better performances than the state of the art techniques.
Graph-cut – Markov random fields – Energy minimization – Multi-channel phase unwrapping – Synthetic Aperture Radar – Digital elevation models
Attached file list to this document: 
PDF
shabou_phd_manuscript.pdf(11.5 MB)
all articles on CCSd database...