ASTRID - Accompagnement Spécifique de Travaux de Recherches et d'Innovation Défense

Analyse robuste de données Multispectrales pour la détection et l’IDentification de cibles – MultID

Résumé de soumission

L'imagerie multispectrale est une modalité d'observation qui joue un rôle de premier plan dans de très nombreux domaines scientifiques allant de l'observation satellitaire à l'imagerie biologique ou l'astronomie. L'un des aspects essentiels de ce type d'imagerie est sa capacité à discriminer entre différentes contributions physiques en fonction de leur distribution spatiale et de leur comportement spectral. Dans le domaine de l'astronomie, la plupart des missions spatiales incorporent dorénavant une instrumentation multispectrale (e.g. les missions Mars Express, Planck de l'ESA ou bien Fermi de la NASA en sont des exemples). L'imagerie multispectrales a également fait son apparition pour la surveillance passive, tant militaire que civile, où sa capacité de discrimination spectrale doit apporter de meilleures performances pour la détection d'anomalies.
Ces domaines d'applications, bien qu'apparemment très différents, partagent des problèmes de traitement de l'information communs: comment traiter de manière cohérente les données multispectrales pour en extraire une information utile. Ces informations peuvent aussi bien être des composantes physiques en astronomie que des anomalies. En astronomie, les méthodes de séparation de sources ont d'ores et déjà fait leurs preuves mais n'ont, pour l'heure, que peu ou pas été mises en oeuvre pour la détection d'anomalies. Dans ce contexte, l'adaptivité des ces approches devraient permettre une meilleure robustesse aux variabilité anomalies/fond (variabilité de la scène, météorologiques, d'illumination). De ce fait, l'un des objectifs de ce projet est l'extension des méthodes de séparation de sources à la détection d'anomalies.
Dans un cadre très général de détection/identification de cibles et au-delà du cadre classique de la séparation de sources, des informations a priori sur le spectre des cibles ou du fond sont généralement connues. La prise en compte de telles informations est rarement, sinon jamais, correctement effectuées en séparation de sources; ceci en particulier lorsque la dimension du problème est important (grand nombre de cibles potentiellement présentes). L'étude de nouvelles extensions des méthodes de séparation de sources pour la prise en compte d'information spectrale exacte ou partielle fera également l'objet de ce projet. Ceci sera en particulier étudié en s'inspirant de récentes méthodes de séparation fondées sur l'analyse parcimonieuse en traitement du signal. Ces techniques sont particulièrement bien adaptées pour l'analyse de problèmes de grande dimension. De plus, ces approches sont connues pour être robustes au bruit instrumental et aux imperfections de modèles.
Soulignant l'importance du caractère dual civile et militaire de ce projet, le développement conjoint de méthodes d'analyse de données sera profitable aux deux domaines impliqués. La première de ces applications sera celle de l'extraction de composantes physiques à partir de données multispectrales dans le cadre de Mars Express (en particulier pour l'évaluation des méthodes développées) et Planck. La seconde sera celle de la surveillance passive en contexte militaire pour laquelle une évaluation exhaustive des méthodes de séparation de sources sera effectuées pour la détection d'anomalies. Ce second objectif sera tout particulière développé en collaboration avec la SAGEM.

Coordinateur du projet

COMMISSARIAT A L'ENERGIE ATOMIQUE ET AUX ENERGIES ALTERNATIVES - CENTRE D'ETUDES NUCLEAIRES SACLAY (Divers public)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

COMMISSARIAT A L'ENERGIE ATOMIQUE ET AUX ENERGIES ALTERNATIVES - CENTRE D'ETUDES NUCLEAIRES SACLAY
SAGEM DEFENSE SECURITE

Aide de l'ANR 289 527 euros
Début et durée du projet scientifique : novembre 2011 - 30 Mois

Liens utiles