Stage - Déconvolution d’images satellites par algorithmes proximaux

Magellium (Groupe Artal), avec ses 300 collaborateurs, est un acteur indépendant, spécialiste sur la chaîne de valorisation du pixel et de la donnée image et vidéo (du capteur satellite, aéroporté ou drone jusqu’à son utilisation dans les systèmes d’information géographique, la cartographie et la Géointelligence). Magellium promeut la maîtrise des technologies du logiciel, de l’IA, du traitement d’image et de la géomatique.  

L’unité Earth Observation est en charge des activités de traitement d’images d’origine spatiale. Ses domaines d’expertise sont : la géométrie des capteurs & le traitement d’image, la calibration/validation & le contrôle qualité et les services d’observation de la Terre. Nos experts en télédétection, nos scientifiques et nos concepteurs de logiciels spécialisés se concentrent sur les programmes de R&D, les algorithmes de traitement, les systèmes de segment sol et les services environnementaux. Observer la Terre depuis l'espace, surveiller notre environnement et les changements climatiques sont nos défis.

CONTEXTE  

L’Unité Earth Observation de Magellium est structurée en 5 Pôles Thématiques, l’un d’eux étant dédié au développement de chaîne de traitement d’images pour les segments sols de satellite d’observation de la Terre. Cette équipe dispose d’une expertise dans ce domaine et développe des outils pour ses clients ou en investissement interne.

Le sujet de stage consiste à tester des méthodes de déconvolution basées sur des algorithmes proximaux sur des images satellitaires multi bandes. 

SUJET

Une grande partie des méthodes de déconvolution actuelles se base soit sur l’application d’un filtre (Wiener par exemple), soit sur des approches basées sur de l’Intelligence Artificielle. Dans les années 2000, des méthodes d’optimisation non linéaires, utilisant l’opérateur proximal, font l’objet de nombreux articles, attestant de leur convergence et illustrant les taux de convergence théoriques sur différents problèmes. De par leur caractère générique, ces algorithmes itératifs ont été appliqués à la résolution de problèmes de traitement de l’image, par exemple la déconvolution ou le débruitage, posés en termes de minimisation de critères.

Le stage consistera à déployer ces méthodes dans le cadre de la déconvolution d’images issues de télédétection et les comparer avec d’autres approches.

Ce stage sera divisé en plusieurs tâches :

●       Définir un jeu de produits image multi bandes.

●       Définir un (ou plusieurs) critère(s) de minimisation approprié(s) pour le problème de déconvolution.

●       Comprendre la théorie des différents algorithmes proximaux et leurs limitations en s’appuyant sur différents cours et articles détaillés.

●       Tester ces algorithmes sur le (ou les) critère(s) choisi(s) en regardant leurs limites dans la pratique.

Dans un premier temps, le candidat pourra tester sur des vignettes, puis dans un second temps faire de même sur l’entièreté du produit en passant à la parallélisation du code.

●       Analyser l’influence des paramètres des méthodes d’optimisation. Le but de cette tâche sera d’investiguer le caractère global ou local de ces paramètres par rapport aux tests réalisés sur les imagettes et sur l’image entière.

●       Comparer les résultats obtenus avec ceux d’autres approches en regardant différents indicateurs notamment le PSNR, le RMSE, le ERGAS et le SSIM.

●       Modifier le critère d’optimisation afin de prendre en compte des données exogènes.

Figure 1 : Résultats de l’algorithme Proximal Soft Thresholding sur une image Spot5. A gauche, le produit initial sans convolution, au milieu le produit convolué et à droite le produit après déconvolution.

Ref: C. Chaux, P. L. Combettes, J. -C. Pesquet and V. R. Wajs, "Iterative image deconvolution using overcomplete representations," 2006 14th European Signal Processing Conference, Florence, Italy, 2006, pp. 1-5.

Etudiant(e) en cursus universitaire ou en école d'ingénieur et préparant un diplôme de niveau Bac+5 dans le domaine des Mathématiques Appliquées avec idéalement une spécialisation en Traitement de l’Image et Optimisation, vous êtes intéressé(e), autonome et motivé(e) pour travailler dans le domaine de l’Observation de la Terre. Une connaissance du domaine de l’imagerie satellite serait un plus.

# Satellite optique #Observation de la Terre #Optimisation non linéaire #Algorithmes proximaux #Traitement de l’image

#Python #Calcul parallèle