DS0708 - Données massives et calcul intensif : enjeux et synergies pour la simulation numérique

Parcimonie, observations non-stationnaires de grandes dimensions, modélisation des séries chronologiques d’images et télédétection – PHOENIX

PHOENIX

Parcimonie, observations non-stationnaires de grandes dimensions, modélisation des séries chronologiques d’images et télédétection

Descriptions parcimonieuses de séries temporelles de champs stochastiques images

Depuis 2007, le déploiement de satellites imageurs en constellation a contribué à augmenter de manière très significative, les résolutions spatiales et temporelles des séries d’images satellitaires. <br />L'exploitation de ces données pour la surveillance de l'environnement et l’étude de la capacité d’un environnement à se renouveler (résilience) sera une des activités majeures de la communauté scientifique dans les prochaines décennies. En effet, au-delà des glaciers et forets, l'avenir de la planète dépend de notre capacité à analyser son état actuel et prévoir son état futur à partir de l'analyse des séries chronologiques d’observations. Notre défi est alors le développement d'outils algorithmiques et de méthodes d’analyse des séries temporelles, lorsque ces dernières sont associées à des attributs de grandes dimensions, ainsi que la compréhension de l’évolution de structures terrestres à partir de contenus informatifs noyés dans ces séries. <br /> <br />L'objectif scientifique du projet PHOENIX est de proposer un cadre d’analyse parcimonieuse de champs aléatoires chronologiques pour fournir des méthodes Rapides, Efficaces et Robustes (RER) de traitement des données multidimensionnelles se présentant sous la forme de séries temporelles et multi-sources d’images (répartition spatiale de plusieurs satellites d’observation). <br />L'objectif technique du projet PHOENIX est d’étudier la résilience des structures de grandes échelles telles que les glaciers Alpins, la forêt Amazonienne : analyser leurs états passés et actuels pour caractériser les conséquences de différents types de changements, ainsi que prédire leurs états futurs à partir de modèles d’évolution appliqués sur des « masses de données ordonnées selon la chronologie de leurs observations ».

Le projet comprend 3 modules de travaux (Work Packages, WP) dont 2 sont de natures méthodologiques : le premier, WP1, développera des modèles multidimensionnels spatio-temporels d’évolutions non-stationnaires des structures étudiées et le second, WP2, est dédié à l’élaboration de méthodes statistiques non-paramétriques pour l’analyse de ces évolutions. Le troisième module, WP3, mettra l'accent sur l’application des méthodes et modèles développés aux WP1 et WP2 à l’analyse de 2 types de séries temporelles d’images satellitaires mono et multi-composantes : 1) les données de radar à synthèse d’ouverture, pour leur insensibilité aux conditions météorologiques, 2) les images spectro-visibles qui permettent de suivre des zones spécifiques avec une plus grande résolution spatio-spectrale.

A) Modèles de champs stochastiques fractionnaires spatiaux

Nous avons proposé dans la référence [1], plusieurs modèles d’extensions à la dimension « 2D+aléa » de processus stochastiques multifractionnaires. Ces extensions sont associées à deux des objectifs essentiels inscrits dans le projet PHOENIX :
• la modélisation de dépendances statistiques spatiales non-triviales,
• la parcimonie de description : pour approcher avec précision un champ stochastique fractionnaire non-dégénéré, il faut par exemple utiliser un processus autorégressif admettant une infinité de paramètres.
Le principe de l’extension proposée dans [1] repose sur l’intégration d’une suite stochastique de variables aléatoires selon une mesure stochastique impliquant un opérateur de différence élémentaire 2D convenablement choisi : cet opérateur, noté B, est construit de manière à satisfaire la propriété (1-B) X(t,s) est un processus stochastique se comportant comme une combinaison de dérivées discrètes par rapport à l'une ou une combinaison quelconque de variables t et s.

B) Modèles d’interactions multiplicatives et parcimonie

Dans certaines modalités d’imagerie (exemple : radar à synthèse d’ouverture, RSO), les interactions entre :
• le processus de mesure (ondes électromagnétiques émises pour l’exemple du RSO) ;
• et le processus à mesurer (propriétés physiques des surfaces en observation de la terre)
résultent en interactions d’intensités multiplicatives. L’analyse du processus d’interactions a fait l’objet de la publication [2], dans un contexte de parcimonie de la description. Il est montré dans cette référence qu’une transformée en ondelettes « standard » (linéarité dite additive sur les vecteurs d’un espace d’observation) n’est pas parcimonieuse pour la décomposition des interactions, alors qu’une inférence algébrique, permettant d’imposer une linéarité multiplicative sur les vecteurs du même espace, conduit à une représentation parcimonieuse de ce processus.

- Analyse symbolique parcimonieuse
- Modèles possibilistes pour les champs stochastiques
- Analyse des champs stochastique associés aux séries temporelles d'images

[1] A. M. Atto, Ondelettes et Processus Stochastiques, Ed. Lavoisier, Hermès Science Publications, ISBN : 9782746248007, 2017.
[2] A. M. Atto, E. Trouvé, J. M. Nicolas and T. T. Lê, Wavelet Operators and Multiplicative Observation Models—Application to SAR Image Time-Series Analysis, IEEE Transactions on Geoscience and Remote Sensing, vol. 54, no. 11, pp. 6606-6624, Nov. 2016.
[3] C. Lesniewska-Choquet, A. M. Atto, G. Mauris, G. Mercier, Image Change Detection by Possibility Distribution Dissemblance, IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), July 9-12, Naples, Italy, 2017.
[4] J.-P. Ovarlez, G. Ginolhac, A. M. Atto, Multivariate Linear Time-Frequency Modeling and Adaptive Robust Target Detection in Highly Textured Monovariate SAR Image, IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), March 5-9, New Orleans, USA, 2017.
[5] H. Hadhri, F. Vernier, A. M. Atto, E. Trouvé, Traitement automatique de «time lapse« : application à la surveillance de glaciers alpins, ORASIS, journées francophones des jeunes chercheurs en vision par ordinateur, Juin 12-16, Colleville-sur-Mer, France, 2017.

La surveillance de l'environnement par télédétection est cruciale pour l'évaluation et la compréhension des relations existant entre les changements climatiques globaux et l’évolution de grandes structures dynamiques terrestres que sont les glaciers et les forêts. Depuis 2007, le déploiement de satellites imageurs en constellation a contribué à augmenter de manière très significative, les résolutions spatiales (détails structuraux observables) et temporelles (fréquences d’observations d’un site) des séries d’images satellitaires.
L'exploitation de ces données pour la surveillance de l'environnement et l’étude de la capacité d’un environnement à se renouveler (résilience) sera une des activités majeures de la communauté scientifique dans les prochaines décennies. En effet, au-delà des glaciers et forets, l'avenir de la planète dépend de notre capacité à analyser son état actuel et prévoir son état futur à partir de l'analyse des séries chronologiques d’observations. Notre défi est alors le développement d'outils algorithmiques et de méthodes d’analyse des séries temporelles, lorsque ces dernières sont associées à des attributs de grandes dimensions, ainsi que la compréhension de l’évolution de structures terrestres à partir de contenus informatifs noyés dans ces séries.

L'objectif scientifique du projet PHOENIX est de proposer un cadre d’analyse parcimonieuse de champs aléatoires chronologiques pour fournir des méthodes Rapides, Efficaces et Robustes (RER) de traitement des données multidimensionnelles se présentant sous la forme de séries temporelles et multi-sources d’images (répartition spatiale de plusieurs satellites d’observation).
L'objectif technique du projet PHOENIX est d’étudier la résilience des structures de grandes échelles telles que les glaciers Alpins, la forêt Amazonienne : analyser leurs états passés et actuels pour caractériser les conséquences de différents types de changements, ainsi que prédire leurs états futurs à partir de modèles d’évolution appliqués sur des « masses de données ordonnées selon la chronologie de leurs observations ».
Le projet comprend 3 modules de travaux (Work Packages, WP) dont 2 sont de natures méthodologiques : le premier, WP1, développera des modèles multidimensionnels spatio-temporels d’évolutions non-stationnaires des structures étudiées et le second, WP2, est dédié à l’élaboration de méthodes statistiques non-paramétriques pour l’analyse de ces évolutions. Le troisième module, WP3, mettra l'accent sur l’application des méthodes et modèles développés aux WP1 et WP2 à l’analyse de 2 types de séries temporelles d’images satellitaires mono et multi-composantes : 1) les données de radar à synthèse d’ouverture, pour leur insensibilité aux conditions météorologiques, 2) les images spectro-visibles qui permettent de suivre des zones spécifiques avec une plus grande résolution spatio-spectrale. Le WP3 requiert du calcul à haute performance (HPC). Deux types d'architectures seront utilisées à cet effet : un ‘cluster’ de CPU (USMB-MUST) déjà opérationnel, efficace pour le calcul parallèle sur de nombreuses données, où chaque donnée est de taille raisonnable (ce cluster est très limité et non-adapté pour le chargement et le traitement d’une donnée de très grande taille) et une station de travail à très grande mémoire vive (support ANR requis) pour le chargement et le traitement de séries chronologiques de très grandes tailles.

Coordinateur du projet

Monsieur Abdourrahmane ATTO (Laboratoire d'Informatique, Systèmes, Traitement de l'Information et de la Connaissance)

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

LISTIC Laboratoire d'Informatique, Systèmes, Traitement de l'Information et de la Connaissance

Aide de l'ANR 279 760 euros
Début et durée du projet scientifique : septembre 2015 - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter