Etude et traitement des images sar grace aux moments et spectres d'ordres superieurs

Study and processing of sar images by higher order moments and spectra

• Auteur / Autrice : Jean-Marc Le Caillec
• Direction : René Garello
• Type : Thèse de doctorat
• Discipline(s) : Traitement du signal et télécommunications
• Date : Soutenance en 1997
• Etablissement(s) : Rennes 1

Résumé

La phase des composantes de fourier d'un signal constitue une partie importante de l'information du signal et qui est primordiale pour certains signaux, par exemple les signaux provenant d'une chaine de transmission non lineaire. Le spectre d'un signal n'etant pas sensible a l'information de phase, afin de retrouver cette information il est necessaire d'utiliser les moments et spectres d'ordres superieurs qui sont des quantites complexes. La detection, localisation et quantification des non linearites (par l'intermediaire desi couplages de phases) peuvent etre effectuees grace au bispectre et a sa version normalisee la bicoherence. Un modele naturel d'interpretation des resultats bispectraux est le modele de volterra d'ordre 2 qui comporte une composante lineaire et une composante quadratique. Les couplages primaires ont lieu entre trois ondes du spectre originel (qui se retrouve dans le spectre du signal de sortie par l'intermediaire du noyau lineaire) avec leur interaction quadratique (mais un autre type de couplage existe dans ce modele). Une application interessante est la detection localisation et quantification des non linearites dans le processus sar d'imagerie de la mer. Une partie des travaux presentee dans cette these a consiste a modeliser le processus sar sur des modeles de volterra d'ordre 2 et ainsi obtenir dans un premier temps une quantification des non linearites du processus sar, puis a comprendre les mecanismes de detection/non detection des non linearites lies a ce processus. Enfin deux methodes d'inversion non lineaires sont aussi proposees afin de retrouver le spectre du signal en entree d'une chaine de transmission non lineaire. L'une consiste en l'identification d'un modele de volterra d'ordre 2 inverse dans le domaine spatial et l'autre par une suppression des interactions quadratiques dans le domaine frequentiel.