Démélange d'images radar polarimétrique par séparation thématique de sources

• Main Author: Giordano, Sébastien
• Other Authors: Paris Est
• Language: fr
• Published: 2015
• Subjects: Fusion de données; Radar polarimétrique; Unmixing; Speckle; Optique multispectral; Data fusion; Polarimetry; Optical images
• Online Access: http://www.theses.fr/2015PESC1176/document

Cette thèse s'inscrit dans le contexte de l'amélioration de la caractérisation de l'occupation du sol à partir d'observations de télédétection de natures très différentes : le radar polarimétrique et les images optiques multispectrales. Le radar polarimétrique permet la détermination de mécanismes de rétrodiffusion provenant de théorèmes de décomposition de l'information polarimétrique utiles à la classification des types d'occupation du sol. Cependant ces décompositions sont peu compréhensibles lorsque que plu- sieurs classes thématiques co-existent dans des proportions très variables au sein des cellules de résolution radar. Le problème est d'autant plus important que le speckle inhérent à l'imagerie radar nécessite l'estimation de ces paramètres sur des voisinages locaux. Nous nous interrogeons alors sur la capacité des données optiques multispectrales sensiblement plus résolues spatialement que le radar polarimétrique à améliorer la compréhension des mécanismes radar. Pour répondre à cette question, nous mettons en place une méthode de démélange des images radar polarimétrique par séparation thématique de sources. L'image optique peut être considérée comme un paramètre de réglage du radar fournissant une vue du mélange. L'idée générale est donc de commencer par un démélange thématique (décomposer l'information radar sur les types d'occupation du sol) avant de réaliser les décompositions polarimétriques (identifier des mécanismes de rétrodiffusion).Dans ce travail nous proposons d'utiliser un modèle linéaire et présentons un algorithme pour réaliser le démélange thématique. Nous déterminons ensuite la capacité de l'algorithme de démé- lange à reconstruire le signal radar observé. Enfin nous évaluons si l'information radar démélangée contient de l'information thématique pertinente. Cette évaluation est réalisée sur des données simulées que nous avons générées et sur des données Radarsat-2 complètement polarimétriques pour un cas d'application de mélange sol nu/forêt. Les résultats montrent que, malgré le speckle, la reconstruction est valable. Il est toujours possible d'estimer localement des bases thématiques permettant de décomposer l'information radar polarimétrique puis de reconstruire le signal observé. Cet algorithme de démélange permet aussi d'assimiler de l'information portée par les images optiques. L'évaluation de la pertinence thématique des bases de la décomposition est plus problématique. Les expériences sur des données simulées montrent que celles-ci représentent bien l'information thématique souhaitée, mais que cette bonne estimation est dépendante de la nature des types thématiques et de leurs proportions de mélange. Cette méthode nécessite donc des études complémentaires sur l'utilisation de méthodes d'estimation plus robustes aux statistiques des images radar. Son application à des images radar de longueur d'onde plus longue pourrait permettre, par exemple, une meilleure estimation du volume de végétation dans le contexte de forêts ouvertes === Land cover is a layer of information of significant interest for land management issues. In this context, combining remote sensing observations of different types is expected to produce more reliable results on land cover classification. The objective of this work is to explore the use of polarimetric radar images in association with co-registered higher resolution optical images. Extracting information from a polarimetric representation consists in decomposing it with target decomposition algorithms. Understanding these mechanisms is challenging as they are mixed inside the radar cell resolution but it is the key to producing a reliable land cover classification. The problem while using these target decomposition algorithms is that average physical parameters are obtained. As a result, each land cover type of a mixed pixel might not be well described by the average polarimetric parameters. The effect is all the more important as speckle affecting radar observations requires a local estimation of the polarimetric matrices. In this context, we chose to assess whether optical images can improve the understanding of radar images at the observation scale so as to retrieve more information. Spatial and spectral unmixing methods, traditionally designed for optical image fusion, were found to be an interesting framework. As a consequence, the idea of unmixing physical radar scattering mechanisms with the optical images is proposed. The original method developed is the decomposition of the polarimetric information, based on land cover type. This thematic decomposition is performed before applying usual target decomposition algorithms. A linear mixing model for radar images and an unmixing algorithm are proposed in this document. Having pointed out that the linear unmixing model is able to split off polarimetric information on a land cover type basis, the information contained in the unmixed matrices is evaluated. The assesment is carried out with generated simulated data and polarimetric radar images from the Radarsat-2 satellite. For this experiment, textit {Bare soil} and textit {Forested area} were considered for land cover types. It was found that despite speckle the reconstructed radar information after the unmixing is statically relevant with the observations. Moreover, the unmixing algorithm is capable of assimilating information from optical images. The question whether the unmixed radar images contain relevant thematic information is more challenging. Results on real and simulated data show that this capacity depends on the types of land cover considered and their respective proportions. Future work will be carried out to make the estimation step more robust to speckle and to test this unmixing algorithm on longer wavelength radar images. In this case, this method could be used to have a better estimation of vegetation biomass in the context of open forested areas