Activités de recherche
Les projets de recherche sur lesquels j’ai travaillé se situent dans le domaine de traitement des images issues des systèmes:
A. Thèse de doctorat (septembre 2010- décembre 2013)
Dans mes travaux de thèse je me suis intéressé au problème de la dépendance angulaire des statistiques calculées à partir des images sonar latéral et j’ai proposé un algorithme invariant à l’angle de rasance pour la segmentation du fond marin basé sur les réseaux de neurones compétitifs.
Les signaux enregistrés par un sonar de cartographie à balayage latéral sont représentatifs des caractéristiques des fonds marins insonifiés et peuvent donc servir de support à leur classification. Cependant, ces signaux sont affectés par un certain nombre de phénomènes liés à la propagation, aux caractéristiques propres du sonar et à l’interaction entre l’onde acoustique et son environnement. Les images acquises par le sonar latéral couvrent une large plage d’angles de rasance. Comme les propriétés statistiques de ces images dépendent de l’angle de rasance une confusion d’affectation de classes est constatée lors de l’application des algorithmes de segmentation des images sonars latéraux. Des travaux antérieurs mentionnent que cette dépendance en rasance provoque l’apparition d’artefacts (lignes parallèles à l’axe de déplacement du sonar) lors de l’application des algorithmes de classification.
Dans la littérature, de nombreux travaux se sont intéressés à la prise en compte de l’angle de rasance pour la segmentation des données sonar. Deux approches peuvent être distinguées. La première approche consiste tout d’abord à calibrer le sonar en corrigeant les données des artefacts liés à la propagation de l’onde acoustique et aux caractéristiques du système sonar. Cette approche nécessite donc une connaissance précise du système et des conditions d’acquisition (géométrie d’acquisition, mouvement du bateau : tangage, lacet et roulis, mesures de célérité, salinité, pression et température, etc.). La seconde approche est fondée sur une étape de correction des données sans connaissance des caractéristiques du système mais en estimant expérimentalement une loi de dépendance selon l’angle de rasance.
Les données sont ensuite corrigées de cette dépendance et sont dirigées vers un algorithme de segmentation classique. Le choix de la loi se reporte généralement sur un modèle mathématique de
rétrodiffusion dont il s’agit d’estimer les paramètres ou sur une loi empirique ou physique (Lambert, Jackson) qu’il convient d’estimer à partir des données. D’autres travaux spécifient bien que l’estimation de cette loi ou de ses paramètres conditionnent significativement la qualité des résultats de segmentation car les lois proposées sont empiriques et /ou reposent sur des hypothèses de fond plat et de nature homogène.
Pour remédier à cette dépendance aux approches de calibration des sonars et aux modèles empiriques estimés, nous avons suivi les étapes suivantes pour proposer une nouvelle approche de segmentation des images sonar latéral :
J’ai proposé dans mon travail de thèse une autre approche de segmentation automatique des images sonar brutes. L’approche choisie propose de diviser l’image sonar en bandes dans le sens de la portée ; la largeur de ces bandes étant suffisamment faible afin que l’analyse statistique de la rétrodiffusion puisse être considérée indépendante de l’angle de rasance. Sur chaque bande de l’image découpée, deux types d’analyse de texture sont utilisés. La première technique est basée sur l’estimation d’une matrice des cooccurrences et de différents attributs d’Haralick. Le deuxième type d’analyse est l’estimation d’attributs spectraux. La bande centrale localisée à la moitié de la portée du sonar est segmentée en premier par un réseau de neurones compétitifs basé sur l’algorithme SOFM (Self-Organizing Feature Maps) de Kohonen. Ensuite, la segmentation est réalisée successivement sur les bandes adjacentes, jusqu’aux limites basse et haute de la portée sonar. A partir des connaissances acquises sur la segmentation de cette première bande, le classifieur adapte sa segmentation aux bandes voisines.
B. Travaux actuels
Actuellement (2014) je suis ingénieur de recherche (Post-doc) au sein de l’équipe OSM de l’ENSTA Bretagne.
Mes travaux actuels se basent essentiellement sur les perspectives de mes résultats de thèse de doctorat.
Les perspectives d’évolution de l’approche proposée pour la segmentation des images sonar latéral porteront sur :
Une étude plus détaillée sur la complémentarité entre les attributs de texture et les attributs spectraux est nécessaire, de plus d’autres attributs comme la bathymétrie (sonar interférométrique, sondeur multi-faisceau) et l’estimation de paramètres géomorphologiques peuvent apporter une information complémentaire et discriminante entre les différents types du fond marin.
La sélection des attributs les plus discriminants entre les types de sédiments à fin de réduire la dimension du vecteur d’attributs et d’alléger les temps de calcul.
La capacité à traiter différents sites géographiques, c’est-à-dire sur la capacité de s’adapter à l’apparition de nouvelles classes par application d’une approche incrémentale et dynamique.
La généralisation de l’approche proposée à d’autres capteurs (d’autres sonars latéraux) et adapter cette approche pour des données issues d’autres types de capteurs comme le sondeur multi-faisceau.
Une étude sur le lien entre la nature géo-acoustique du sédiment et l’ensemble de neurones qui le représente sur la carte de Kohonen, c’est-à-dire faire le lien entre la valeur du neurone et sa nature physique.
L’approche proposée dans ce travail se limite sur une seule échelle pour l’analyse des observations, une approche neuronale hiérarchique multi-échelle avec plusieurs cartes de Kohonen à plusieurs niveaux de résolution et d’analyse permettra une meilleure discrimination des classes.
Je travaille aussi sur une étude de la qualité des données sonar dont l’objectif est de réaliser des algorithmes automatiques d’aide à la décision des robots automnes (AUV) lors de l’acquisition temps réel des images sonar.
L’approche adoptée dans cette étude est basée sur l'analyse des modèles statistiques de bruit (speckle) des données sonar et de proposer une mesure statistique de la qualité des images sonar.