Détection automatique d'Hydrocarbure à la surface de la mer par analyse d'images et séries temporelles d'images radar

par Emna Amri

Projet de thèse en STIC Traitement de l'Information

Sous la direction de Philippe Bolon et de Alexandre Benoit.

Thèses en préparation à Grenoble Alpes , dans le cadre de SISEO - Sciences et Ingénierie des Systèmes de l'Environnement et des Organisations , en partenariat avec Laboratoire d'Informatique, Systèmes, Traitements de l'Information et de la Connaissance (laboratoire) depuis le 15-04-2018 .


  • Résumé

    Ce projet de thèse s'inscrit dans un contexte de détection et caractérisation de taches d'hydrocarbures à la surface des mers à partir d'images radar. En partenariat avec la société TOTAL, l'objectif est la construction d'un outil informatique permettant d'aider le photo interprète à détecter plus aisément ces taches pour faire face efcacement à la très grande masse d'images à analyser. Trois étapes principales se dégagent dans cette tâche : • la détection des taches, celles-ci étant rares et pouvant être confondues avec d'autres phénomènes d'apparence similaire ( les zones de non vent, les algues). • l'identification de l'origine des taches d'hydrocarbures à savoir des suintements naturels (seeps) ou non naturels (spills) est un second problème. • l'interaction avec le photo-interpète pour valider les analyses et maintenir la qualité de service tout au long de l'exploitation. Une partie importante de ce travail sera faite par apprentissage (Learning) semi supervisé à partir • de quelques centaines de milliers d'images radar disponibles • du savoir, du savoir faire et d'informations d'expert interprétateur.

  • Titre traduit

    Automatic detection of hydrocarbons on the sea surface using image and time series analysis


  • Résumé

    This thesis project is made in the context of detection and characterization of oil slicks on the sea surface from radar images. In partnership with TOTAL, the goal is the construction of a computer tool that help the photo interpreter to detect more easily slicks to effectively face the very large mass of images to analyze. There are three main steps in this task: -The detection of slicks, which are rare and can be confused with other phenomena of similar appearance (no wind zones, algae). - The identification of the origin of hydrocarbon stains, namely natural (seeps) or unnatural (spills) seeps, is a second problem. - The interaction with the photo interprets to validate the analyzes and to maintain the quality of service throughout the exploitation. An important part of this work will be done by semi-supervised learning from hundreds of thousands of available radar images as well as knowledge, know-how and expert interpreter information.