Amélioration de la classification automatique des fonds marins par la fusion multicapteurs acoustiques
par David Kernéis
Thèse de doctorat en Traitement du signal et télécommunications
Sous la direction de Basel Solaiman.
Soutenue en 2007
à Télécom Bretagne .
mots clés-
Résumé
Les systèmes automatiques de classification des fonds marins existent déjà depuis plusieurs années. Dans la grande majorité des cas (et pour tous les systèmes commerciaux), il s'agit de méthodes de classification mono-capteur. Les sonars se déclinent en plusieurs types de matériels dont les principaux sont: le sondeur vertical, le sonar latéral, et le sondeur multifaisceaux. Le principal objectif de cette thèse est d’exploiter les complémentarités des capteurs par la fusion, afin d’améliorer le résultat de classification. Ceci peut permettre d’étendre le nombre de classes mais surtout d’améliorer la fiabilité des décisions. Dans un premier temps, nous décrivons les différents capteurs utilisés, ainsi que les méthodes d'extraction des informations associées. Les informations extraites des capteurs peuvent représenter une quantité importante de données, qui sont en grande partie redondantes ou inutiles pour l'application souhaitée. Nous comparons différentes approches pour la sélection des informations les plus pertinentes pour l'application visée. Nous présentons ensuite, deux approches de fusion permettant de combiner les informations extraites des différentes sources. La première méthode est simple : il s’agit de concaténer toutes les informations obtenues par les différentes sources d’information, puis d’appliquer un algorithme de classification. La deuxième méthode consiste à effectuer une classification séparée, puis de fusionner les décisions par la théorie de Demspter-Shafer. Deux applications de fusion bi-capteurs sont présentées: la fusion du sonar latéral et du sondeur vertical, puis la fusion du sonar latéral et de la bathymétrie.
-
Titre traduit
Multisensor fusion for seabed classification
-
Résumé
Many sea-related activities (underwater cable laying, dredging works, development of nautical charts and fishing maps, etc. ) require information about the seabed. Acoustic sensors make it possible to gather data, which automatically analysed. Several acoustic sensors are available. The most commonly used for classification are the single beam vertical echo sounder (RoxAnn), the sidescan sonar. The aim of this study is to improve seabed classification by using several sensors together. A distinctive characteristic of this study is the frequency of the acoustic sources (455 kHz), which is noticeably higher than most of the existing systems. The study is divided into two parts: feature extraction from each sensor, and fusion of information from all sources. Three sources are used for classification : sidescan sonar images ; echo from a vertical single beam sounder, bathymetry. Two methods are compared for fusing information from sidescan sonar and bathymetry. Firstly, fusion is obtained by forming a vector with features from different sources. Because of the high dimensionality of the feature space, a feature reduction method is applied before classification. Several dimensionality reduction techniques have been tested and compared (discriminant analysis, projection pursuit, principal component analysis, etc. ). The second method tested is the theory of evidence, which allows the introduction of knowledge about sensors to improve the fusion process. In both cases, improvements in classification performance were obtained.
