Lieu : L2S - Centralesupelec - Batiment IBM Paris-Saclay
Compétences attendues : Le candidat aura une formation en Master (M2) Recherche et/ou 3ème année de cursus ingénieur dans le domaine du traitement du signal et des images, mathématiques appliquées, IA ou science des données. Il maîtrisera les outils statistiques du traitement du signal et sera intéressé par les aspects d’optimisation numérique. Le candidat saura utiliser et développer sous Matlab/Python, en se formant si besoin.
Encadrement : M. N. El Korso (Univ. Paris Saclay, CentraleSupelec, L2S), S. Fortunati (IPSA, CentraleSupelec, L2S) (stefano.fortunati@centralesupelec.fr) et L. Ferro-Famil (CESBIO Toulouse, SupeAero)
Candidatures : Envoyer, un CV sous forme électronique avec vos derniers relevés de notes à M. N. El Korso (mohammed.nabil.el-korso@centralesupelec.fr) et S. Fortunati (stefano.fortunati@centralesupelec.fr)
L'imagerie 3-D d'environnements naturels par tomographie radar à synthèse d'ouverture (SAR) constitue une technique d'analyse précieuse pour la télédétection d'environnements naturels à grande échelle et depuis l'espace. La future mission ESA BIOMASS proposera, pour la première fois, un mode tomographique satellitaire. D'autres configurations, basées sur des vols satellitaires en formation, sont actuellement étudiées dans la communauté.
La tomographie SAR se base sur la combinaison cohérente d'une série temporelle d'images acquises depuis des positions légèrement différentes. Ces acquisitions peuvent être affectées par des phénomènes perturbateurs externes, comme des interférences avec des sources exogènes, des phénomènes de propagation extrêmes ou bien des conditions météorologiques, qui rendent inutilisables une ou plusieurs acquisitions de la série.
Ce travail a pour objectif de proposer des techniques avancées de traitement statistique du signal permettant de mener à bien le processus d'imagerie 3-D et de préserver ses propriétés d'analyse, dans le cas de données partiellement inutilisables ou manquantes.
References :
[1] A. Hippert-Ferrer, M. N. El Korso, A. Breloy, G. Ginolhac, "Robust low-rank covariance matrix estimation with a general pattern of missing values", Signal Processing, Volume 195, June 2022, 108460,
[2] H Aghababaei, G Ferraioli, L Ferro-Famil, et al. “Forest SAR tomography: Principles and applications”, IEEE geoscience and remote sensing magazine 8 (2), 30-45, 2020
[3] S Fortunati, A Renaux, F Pascal , Robust semiparametric efficient estimators in complex elliptically symmetric distributions, IEEE Transactions on Signal Processing 68, 5003-5015
[4] Y Huang, Q Zhang, L Ferro-Famil, “Forest height estimation using a single-pass airborne L-band polarimetric and interferometric SAR system and tomographic techniques”, Remote Sensing 13, 487, 2021
[5] M Neumann, L Ferro-Famil, A Reigber, “Estimation of forest structure, ground, and canopy layer characteristics from multibaseline polarimetric interferometric SAR data”, IEEE Transactions on Geoscience and Remote Sensing 48 (3), 1086-1104, 2009.
[6] A. Hippert-Ferrer, M. N. El Korso, A. Breloy, G. Ginolhac, "Robust Mean and Covariance Matrix Estimation Under Heterogeneous Mixed-Effects Model with Missing Values", Signal Processing, Vol. 188, Nov. 2021.
[7] R. Ben Abdellah, A. Miam, A. Breloy, A. Taylor, M. N. El Korso and D. Lutru ''Detection Methods Based on Structured Covariance Matrices for Multivariate SAR Images Processing'', IEEE Geoscience and Remote Sensing Letters, pp. 1160-1164, Vol. 16 , Issue 7, July 2019.
(c) GdR IASIS - CNRS - 2024.