Estimation du mouvement par assimilation de données dans des modèles dynamiques d'ordre rédui

par Karim Drifi

Thèse de doctorat en Mathématiques

Sous la direction de Isabelle Herlin.

Soutenue en 2013

à Paris 6 .


  • Résumé

    Motion estimation is a major challenge in the field of image sequenceprocessing. The thesis is a study of the dynamics of geophysical flowsvisualized by satellite imagery. Satellite image sequences are currentlyunderused for the task of dynamics estimation. A good understanding ofgeophysical flows allows a better analysis and forecast of phenomena indomains such as oceanography and meteorology. Data assimilation provides anexcellent framework for achieving a compromise between heteorogenous data,especially numerical models and observations. Hence, in this thesis we set outto apply variational data assimilation methods, such as 4D-Var, to estimatemotion in image sequences. Asmajor drawbacks of applying 4D-Var are theconsiderable computation time and memory required, we define and use a modelreduction method in order to significantly decrease the necessary computationtime and memory. We then explore the possibilities that reduced models providefor motion estimation, particularly the possibility of strictly imposing someknown constraints on the computed solutions. Different kinds of reductions arediscussed, using a proper orthogonal decomposition, a sine basis fordivergence-free motion and a basis dedicated to a particular spatialdomain. In each case, results are presented on both synthetic and satelittedata.


  • Résumé

    L'estimation du mouvement est un sujet fondamental pour l'interprétation deséquences d'images. Cette thèse concerne l'étude de la dynamique desécoulements géophysiques visualisée par l'imagerie satellitaire. Une bonnecompréhension de ces écoulements géophysiques permet l'analyse et la prévisiondes phénomènes, par exemple en océanographie et enmétéorologie. L'assimilation de données constitue le cadre idéal pour prendreen compte de manière optimale les diverses sources d'informations disponibleset en particulier les modèles numériques et les données. On se propose donc,dans cette thèse, d'appliquer des méthodes d'assimilation variationnelles dedonnées, dites4D-Var, pour estimer le mouvement sur les séquencesd'images. Une des limitations des techniques 4D-Var est l'importance du tempsde calcul et de la mémoire nécessaire lors de leur application. Nous nousproposons, dans ce document, de définir un méthodologie basée sur la réductionde modèle afin de réduire ces limitations de façon significative. Nousétudions les possibilités qu'offrent la réduction d'un modèle dynamique pourestimer le mouvement, en particulier afin d'imposer des contraintes issues dela physique aux solutions calculées. Différentes réductions sont discutées, aumoyen d'une décomposition orthogonale propre, sur une base sinus pour unmouvement à divergence nulle, ou sur une base dédiée au domaine spatialétudié. Dans chaque cas, les résultats d'expériences synthétiques et sur desdonnées satellite sont présentés

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (168 p.)
  • Annexes : Bibliogr. p.165-168. 47 réf. bibliogr.

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Sorbonne Université. Bibliothèque de Sorbonne Université. Bibliothèque Mathématiques-Informatique Recherche.
  • Consultable sur place dans l'établissement demandeur
  • Cote : T Paris 6 2013 275
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.