A new strategy for change detection in SAR time-series : application to target detection - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

A new strategy for change detection in SAR time-series : application to target detection

Une nouvelle approche pour la détection de changement dans les séries temporelles d'images SAR : application à la détection de cibles

Résumé

The detection of targets such as ships or vehicles in SAR (Synthetic Aperture Radar) images is an essential challenge for surveillance and security purpose. In some environments such as urban areas, harbor areas or forest observed at low radar frequencies, detecting these objects becomes difficult due to the high backscattering properties of the surrounding background. To overcome this issue, change detection (CD) between SAR images enables to cancel the background and highlight successfully targets present within the scene. However, in several environments, a temporal overlapping of targets may occur and generates possible misinterpretation because the outcome relies on the relative change between objects of different sizes or properties. This is a critical issue when the purpose is to visualize and obtain the number of targets at a specific day in high attendance areas such as harbors or urban environments. Ideally, this change detection should occur between a target-free image and onewith possible objects of interest. With the current accessibility to SAR time-series, we propose to compute a frozen background reference (FBR) image that will consists only in the temporally static background. Performing change detection from this FBR image and any SAR image aim to highlight the presence of ephemeral targets. This strategy has been implemented for ship detection in harbor environment and in the context of vehicles hidden under foliage.
La détection de cibles telles que des navires ou des véhicules dans les images SAR (Synthetic Aperture radar) est un défi important pour la surveillance et la sécurité. Dans certains environnements tels que les zones urbaines, portuaires ou les forêts observées à basses fréquences radar, la détection de ces objets devient difficile en raison des propriétés de rétrodiffusion élevées de l'environnement. Pour résoudre ce problème, la détection de changement (CD) entre différentes images SAR permet de supprimer l'effet de l'environnement et ainsi une meilleur détection des cibles. Cependant, dans différents environnements à forte fréquentation, un chevauchement temporel des cibles peut se produire et génère une erreur d'interprétation possible car l'issue de la détection de changement repose sur une différence relative entre des objets de tailles ou de propriétés différentes. C'est un problème critique lorsque le but est de visualiser et d'obtenir le nombre d'objets à une acquisition donnée, dans les zones à fortes fréquentations comme les ports ou les zones urbaines. Idéalement, cette détection de changement devrait se réaliser entre une image constituée seulement de l'environnement et une image contenant les cibles d’intérêts. Grâce à l'accessibilité actuelle aux séries temporelles d'images SAR, nous proposons de générer une scène de référence (Frozen Background Image - FBR) qui n'est constituée que de l'environnement temporellement statique. La détection de changement entre une image SAR et cette image FBR vise donc a obtenir une map de détection des cibles éphémères présentes. Cette stratégie a été mise en œuvre pour la détection des navires en milieu portuaire et dans le contexte de véhicules cachés sous couvert forestier.
Fichier principal
Vignette du fichier
98691_TAILLADE_2020_archivage.pdf (46.02 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03128990 , version 1 (02-02-2021)

Identifiants

  • HAL Id : tel-03128990 , version 1

Citer

Thibault Taillade. A new strategy for change detection in SAR time-series : application to target detection. Signal and Image processing. Université Paris-Saclay, 2020. English. ⟨NNT : 2020UPAST050⟩. ⟨tel-03128990⟩
261 Consultations
32 Téléchargements

Partager

Gmail Facebook X LinkedIn More