Détection et classification de cibles posées sur le fond marin par réseaux de neurones en imagerie sonar PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download Détection et classification de cibles posées sur le fond marin par réseaux de neurones en imagerie sonar PDF full book. Access full book title Détection et classification de cibles posées sur le fond marin par réseaux de neurones en imagerie sonar by Pascal Galerne. Download full books in PDF and EPUB format.
Author: Pascal Galerne
Publisher:
ISBN:
Category :
Languages : fr
Pages : 145
Get Book Here
Book Description
Le sonar est largement utilise dans le domaine militaire pour localiser les mines sous-marines. L’acquisition d'images permet à des operateurs d'examiner les fonds avant le passage d'un bâtiment par exemple. Toutefois, cette tache est très délicate en raison de la présence d'un important bruit de spécule sur les images sonar. Notre travail consiste à développer un système d'aide à la décision offrant une image simplifiée de la scène et une pré-classification des objets détectes. La difficulté pour modéliser un tel problème nous a conduits à développer des méthodes originales de traitement d'image utilisant les réseaux de neurones. Ces techniques nécessitent la construction d'une base d'apprentissage contenant un grand nombre d'exemples. Pour pallier le manque de données réelles propre a l'application, nous avons tout d'abord développe un algorithme de synthèse d'images simulant la propagation de l'onde acoustique. Par ailleurs, la reconnaissance d'une cible sur une image sonar est possible par l'étude de la forme de son ombre portée qui résulte de l'absence de signal rétrodiffuse derrière l'objet. L’image est alors segmentée en deux classes : ombre et réverbération. Cette segmentation est réalisée par un réseau de neurones de type Kohonen associe a une procédure d'estimation (ECI) de la proportion d'ombre dans l'image. Un apprentissage non supervise réalise a partir des pixels de l'image permet a un petit nombre de neurones de se spécialiser pour détecter les pixels de la classe ombre. Les tests montrent que la méthode est fiable et conduit à des résultats tout a fait comparables à une segmentation markovienne. L’étape suivante consiste à construire, a partir des images segmentées, une base de données pour l'apprentissage du classifier neuronal perceptron multicouche. Chaque ombre est alors caractérisée par un vecteur constitue de descripteurs de Fourier et de paramètres spécifiques qui détectent les régularités du contour. Pour compléter ce travail, nous montrons que malgré les modestes dimensions de la base d'apprentissage, il est possible d'améliorer les taux de reconnaissance, en particulier sur les images inconnues, par l'élimination des poids les moins significatifs. Ainsi, âpres une analyse de la méthode d'élagage optimal borain damage, nous proposons une variante qui réalise une sélection plus rigoureuse des poids à éliminer.
Author: Pascal Galerne
Publisher:
ISBN:
Category :
Languages : fr
Pages : 145
Get Book Here
Book Description
Le sonar est largement utilise dans le domaine militaire pour localiser les mines sous-marines. L’acquisition d'images permet à des operateurs d'examiner les fonds avant le passage d'un bâtiment par exemple. Toutefois, cette tache est très délicate en raison de la présence d'un important bruit de spécule sur les images sonar. Notre travail consiste à développer un système d'aide à la décision offrant une image simplifiée de la scène et une pré-classification des objets détectes. La difficulté pour modéliser un tel problème nous a conduits à développer des méthodes originales de traitement d'image utilisant les réseaux de neurones. Ces techniques nécessitent la construction d'une base d'apprentissage contenant un grand nombre d'exemples. Pour pallier le manque de données réelles propre a l'application, nous avons tout d'abord développe un algorithme de synthèse d'images simulant la propagation de l'onde acoustique. Par ailleurs, la reconnaissance d'une cible sur une image sonar est possible par l'étude de la forme de son ombre portée qui résulte de l'absence de signal rétrodiffuse derrière l'objet. L’image est alors segmentée en deux classes : ombre et réverbération. Cette segmentation est réalisée par un réseau de neurones de type Kohonen associe a une procédure d'estimation (ECI) de la proportion d'ombre dans l'image. Un apprentissage non supervise réalise a partir des pixels de l'image permet a un petit nombre de neurones de se spécialiser pour détecter les pixels de la classe ombre. Les tests montrent que la méthode est fiable et conduit à des résultats tout a fait comparables à une segmentation markovienne. L’étape suivante consiste à construire, a partir des images segmentées, une base de données pour l'apprentissage du classifier neuronal perceptron multicouche. Chaque ombre est alors caractérisée par un vecteur constitue de descripteurs de Fourier et de paramètres spécifiques qui détectent les régularités du contour. Pour compléter ce travail, nous montrons que malgré les modestes dimensions de la base d'apprentissage, il est possible d'améliorer les taux de reconnaissance, en particulier sur les images inconnues, par l'élimination des poids les moins significatifs. Ainsi, âpres une analyse de la méthode d'élagage optimal borain damage, nous proposons une variante qui réalise une sélection plus rigoureuse des poids à éliminer.
Author: Pascal Galerne
Publisher:
ISBN:
Category :
Languages : fr
Pages : 0
Get Book Here
Book Description
Author:
Publisher:
ISBN:
Category :
Languages : fr
Pages : 145
Get Book Here
Book Description
Author: Xiao Wang
Publisher: Infinite Study
ISBN:
Category :
Languages : en
Pages : 16
Get Book Here
Book Description
To accurately achieve side scan sonar (SSS) image target detection, a novel target detection algorithm based on a neutrosophic set (NS) and diffusion maps (DMs) is proposed in this paper.
Author: Vincent Myers
Publisher: Cambridge Scholars Publishing
ISBN: 1443861529
Category : Technology & Engineering
Languages : en
Pages : 296
Get Book Here
Book Description
This book consists of the proceedings of the International Conference on Detection and Classification of Underwater Targets which took place in Brest, France, in October 2012. This collection of academic papers represents the current state of the art of research and development in the areas of sensor technology, processing, modeling and automation for the purpose of detecting and classifying objects in the underwater environment, written by leading researchers in government, industry and academia. These articles should be of interest not only to those working on underwater target detection, but also to researchers in the related fields of remote sensing, robotic perception and medical imaging.
Author: PHILIPPE.. DELACHARTRE
Publisher:
ISBN:
Category :
Languages : fr
Pages : 173
Get Book Here
Book Description
EN SONAR ACTIF, L'ECHO REVERBERE PAR LE FOND SOUS-MARIN CONSTITUE, SUIVANT LES APPLICATIONS VISEES, SOIT LE SIGNAL QUI CONTIENT L'INFORMATION CARACTERISTIQUE DU FOND, SOIT LE BRUIT QUI LIMITE ALORS LES PERFORMANCES DE LA DETECTION DES CIBLES A PROXIMITE DU FOND. CE TRAVAIL EST MOTIVE PAR L'INTERET QUE PRESENTE, POUR LA RECONNAISSANCE DES FONDS ET POUR LA DETECTION D'UNE CIBLE, L'UTILISATION D'UN SONAR LARGE BANDE (20-140 KHZ) A DIRECTIVITE CONSTANTE DANS LE CADRE D'EXPERIENCES REALISEES EN MILIEU NATUREL. L'ELARGISSEMENT DE LA BANDE DE FREQUENCE PERMET DE CARACTERISER LES FONDS PAR LEUR REPONSE IMPULSIONNELLE ET D'EMETTRE UN SIGNAL A GRAND PRODUIT BT POUR AMELIORER LES PERFORMANCES EN DETECTION. NOUS AVONS PU METTRE EN UVRE UN PROTOCOLE EXPERIMENTAL D'IDENTIFICATION DU SYSTEME SONAR PERMETTANT D'ESTIMER, PAR FILTRAGE INVERSE, LA REPONSE IMPULSIONNELLE DE CIBLES. CE PROTOCOLE A ETE VALIDE EN UTILISANT UNE CIBLE SPHERIQUE ET A ENSUITE PERMIS D'ESTIMER LA REPONSE IMPULSIONNELLE DES FONDS. DES PARAMETRES EXTRAITS A PARTIR DE CES REPONSES IMPULSIONNELLES ONT ALORS PERMIS DE RECONNAITRE CORRECTEMENT CINQ TYPES DE FONDS DIFFERENTS. LES CARACTERISTIQUES DES SIGNAUX REVERBERES PAR LE FOND ONT ETE PRISES EN COMPTE POUR LA DETECTION D'UNE CIBLE EN PRESENCE D'UN FOND IDENTIFIE. LE DETECTEUR EST CONSTITUE D'UN FILTRE DE BLANCHIMENT ARMA ET D'UN FILTRE ADAPTE AU SIGNAL BLANCHI DE LA CIBLE. LES PERFORMANCES DU DETECTEUR EVALUEES EN TERME DE RAPPORT SIGNAL SUR BRUIT MONTRENT QUE CE DETECTEUR EST RELATIVEMENT TOLERANT A LA VARIABILITE DES SIGNAUX DE FOND. LES SIMULATIONS ET LES RESULTATS EXPERIMENTAUX INDIQUENT EGALEMENT L'INTERET D'ELARGIR LA BANDE PASSANTE POUR LIMITER LES FLUCTUATIONS DU RAPPORT SIGNAL SUR BRUIT A L'ENTREE DU DETECTEUR ET AMELIORER LA RESOLUTION A LA SORTIE DU FILTRE ADAPTE
Author: Hélène Thomas
Publisher:
ISBN:
Category :
Languages : fr
Pages : 176
Get Book Here
Book Description
LE SONAR HAUTE RESOLUTION CONSTITUE UN MOYEN EFFICACE POUR OBSERVER LA COUCHE SUPERFICIELLE DU FOND DE LA MER. CES DERNIERES ANNEES, DE NOMBREUSES AMELIORATIONS ONT RENDU CES SONARS DE PLUS EN PLUS PERFORMANTS. EN CONTREPARTIE, LA QUANTITE D'INFORMATION A SENSIBLEMENT AUGMENTE ET REND AUJOURD'HUI NECESSAIRE L'AUTOMATISATION DE LA CLASSIFICATION DE CES FONDS MARINS. LA CARTOGRAPHIE DES FONDS MARINS EN IMAGERIE SONAR EST L'APPLICATION PRIVILEGIEE DE L'ETUDE. NOUS PROPOSONS UNE APPROCHE QUI COMBINE UNE METHODE DE CARACTERISATION TEXTURALE DES IMAGES ET UN CLASSIFIEUR NEURONAL. L'INVARIANCE EN ROTATION DES ATTRIBUTS EST RECHERCHEE POUR FACILITER ET AMELIORER L'APPRENTISSAGE DU CLASSIFIEUR. NOUS MONTRONS QUE LA MODELISATION AUTOREGRESSIVE BIDIMENSIONNELLE POSSEDE DES ATOUTS POUR NOTRE APPLICATION, BIEN QU'ELLE NE SOIT PAS ROBUSTE VIS-A-VIS DES ROTATIONS D'IMAGES. NOUS PROPOSONS ALORS TROIS METHODES DE CARACTERISATION DE LA TEXTURE BASEES SUR UNE MODELISATION AUTOREGRESSIVE DE L'IMAGE A LAQUELLE NOUS ASSOCIONS UNE PROPRIETE D'INVARIANCE EN ROTATION. LA PREMIERE METHODE EST BASEE SUR UNE MODELISATION AUTOREGRESSIVE CIRCULAIRE QUI FOURNIT DIRECTEMENT UN NOMBRE RESTREINT DE PARAMETRES CARACTERISTIQUES SIGNIFICATIFS ET ROBUSTES VIS-A-VIS DES ROTATIONS D'IMAGES. PARALLELEMENT, NOUS DEVELOPPONS DEUX AUTRES METHODES QUI CONSERVENT LA MODELISATION AUTOREGRESSIVE 2D NON-CAUSALE ET RENDENT INVARIANTS EN ROTATION LES PARAMETRES EXTRAITS. CELLES-CI FONT APPEL RESPECTIVEMENT AUX MOMENTS DE ZERNIKE ET A LA TRANSFORMATION LOG-POLAIRE. UN PERCEPTRON MULTICOUCHE EST UTILISE COMME CLASSIFIEUR. DE NOMBREUX RESULTATS EXPERIMENTAUX COMPARATIFS, OBTENUS SUR IMAGES REELLES ET IMAGES TOURNEES ARTIFICIELLEMENT (POUR OBTENIR UNE GRANDE VARIETE DANS LES ORIENTATIONS DES TEXTURES), SONT FOURNIS POUR ILLUSTRER LES PERFORMANCES DES METHODES DE CARACTERISATION PROPOSEES. ENFIN, UNE CHAINE COMPLETE DE RECONNAISSANCE D'IMAGES SONAR EST PROPOSEE ET VALIDEE SUR DES IMAGES SONAR REELLES.
Author: Geoffroy Nicq
Publisher:
ISBN:
Category :
Languages : fr
Pages : 168
Get Book Here
Book Description
Le fond de la mer est parsemé d'objets de tous types qui peuvent être posés sur le fond ou enfouis dans le sédiment et qui créent des échos sur les écrans des sonars. Un operateur qui cherche à identifier ces échos doit tout d'abord décidé si la cible est un objet naturel ou manufacture. À l'heure actuelle, cette opération de classification s'effectue à l'aide de sonars haute définition qui utilisent des ondes acoustiques très haute fréquence pour le milieu marin. Cette méthode est inadaptée lorsque l'on cherche à classifier des cibles loin sur l'avant ou enfouies dans le sédiment. En effet, les ondes acoustiques subissent au cours de leur propagation une atténuation proportionnelle à la carre de leur fréquence qui limite la portée opérationnelle de ces sonars. Afin d'augmenter la portée ou de pénétrer dans le fond de la mer il est nécessaire d'utiliser des sonars basse fréquence dont la faible résolution (grandes longueurs d'onde) rend les techniques actuelles de classification sur ombre peu performantes. Lorsque le rapport longueur d'onde sur taille de l'objet étudié est proche de l'unité, la composante élastique de la réponse des cibles peut devenir prédominante. Le but de notre étude fut de définir une méthode de classification qui s'appuie sur la reconnaissance des résonances dans la réponse i pulsionnelle d'une cible. Cette méthode permet de classifier avec un faible taux d'erreurs des cibles de formes complexes sans hypothèse préalable sur leur structure ni sur l'angle d'incidence de l'excitation. La première partie de ce rapport présente une étude des mécanismes physiques qui régissent la formation des échos d'une cible ainsi que des approximations des modèles qui les décrivent. Une méthode d'analyse en temps et en fréquence des échos diffuses est ensuite développée et testée avec succès sur des cibles simples. En dernière partie le cas d'une cible complexe est étudié plus spécialement. Son comportement dynamique est modélise a l'aide de méthodes numériques et sa réponse i pulsionnelle est enregistrée en bassin et en mer. les méthodes d'analyse développées dans ce rapport sont appliquées et commentée
Author: Antoine d' Acremont
Publisher:
ISBN:
Category :
Languages : fr
Pages : 129
Get Book Here
Book Description
Les performances des technique d'apprentissage profond et plus particulièrement les réseaux de neurones convolutifs, ou CNN, sont conditionnés par la taille et la qualité des bases de données d'entrainement. Dans un contexte comme celui de l'identification de véhicules militaires dans des images infrarouges, il est difficile de constituer de telles bases d'apprentissage. Pour y remédier, il est possible d'utiliser la simulation pour générer ces ensembles de données. Cependant, les architectures issues de l'état de l'art généralisent mal sur des données réelles après un entrainement sur données simulées. Dans cette thèse, nous proposons un réseau convolutif spécifique, appelée cfCNN, qui permet d'obtenir de meilleures performances que les modèles de l'état de l'art que nous avons testés. Nous supposons que les images qui lui seront présentées seront issues d'un module de détection qui peut être imparfaite. Nous évaluons donc la robustesse du cfCNN face à des translations et des changements d'échelle de la cible dans l'image d'entrée. Face à ces perturbations, le cfCNN montre une meilleure robustesse par rapport à des réseaux convolutifs issus de l'état de l'art. Pour améliorer la confiance dans les prédictions du cfCNN, nous proposons un module de détection d'anomalies de classification, basé sur le Local Outlier Factor. Cette approche montre de bonnes performances sur des données d'entrainement et de test homogènes. Cependant elle est moins performante pour un problème de transfert entre des données simulées et réelles. Pour compenser cette baisse de performance nous proposons alors un schéma en cascade qui exploite les informations issues de différentes couches du cfCNN.
Author: FRANCOIS.. MAGAND
Publisher:
ISBN:
Category :
Languages : fr
Pages : 200
Get Book Here
Book Description
CETTE ETUDE PRESENTE UNE METHODE DE CLASSIFICATION DE CIBLES SONAR QUI S'APPUIE SUR LA MODELISATION DES PHENOMENES PHYSIQUES MIS EN JEU DANS LA DIFFUSION D'UNE ONDE ACOUSTIQUE PAR UNE COQUE DE FORME SIMPLE (SPHERE, CYLINDRE). LE PROCEDE DE RECONNAISSANCE COMPORTE DEUX ETAPES. DANS UN PREMIER TEMPS, ON REALISE LA DISCRIMINATION ENTRE L'ECHO D'UNE COQUE ET CELUI D'UNE CIBLE NATURELLE, ASSIMILEE A UNE CIBLE PLEINE. LA SECONDE ETAPE CONSISTE A ESTIMER LES CARACTERISTIQUES GEOMETRIQUES (RAYON EXTERNE, EPAISSEUR) ET MECANIQUES (CELERITE TRANSVERSALE, DENSITE) DE LA COQUE QUE L'ON SUPPOSE MINCE. DEUX METHODES DE CLASSIFICATION SONT COMPAREES: UNE APPROCHE BAYESIENNE ET UNE APPROCHE CONNEXIONNISTE. LES PARAMETRES CLASSIFIANT SONT EXTRAITS DE LA SIGNATURE SPECTRALE DES CIBLES AU MOYEN D'UN MODELE PARAMETRIQUE (MODELISATION AUTOREGRESSIVE) AINSI QU'AU MOYEN D'UN MODELE DE DIFFUSION (POINTS BRILLANTS COLORES). LES RESULTATS OBTENUS MONTRENT LA FAISABILITE DE LA DISCRIMINATION, MEME EN PRESENCE DE BRUIT OU D'EFFET DOPPLER. L'ESTIMATION DES CARACTERISTIQUES DE LA CIBLE REPOSE SUR UNE ANALYSE APPROFONDIE DE LA STRUCTURE TEMPS-FREQUENCE DES ECHOS DE COQUES SPHERIQUES MINCES, QUI MONTRE QUE LA CONTRIBUTION ENERGETIQUE PRINCIPALE PROVIENT DE L'INTERACTION CONSTRUCTIVE ENTRE DEUX ONDES DE SURFACE. L'ESTIMATION DU RAYON EXTERNE S'EFFECTUE EN COMPARANT LE SIGNAL INCONNU A L'ECHO DILATE OU COMPRIME D'UNE CIBLE DE REFERENCE. CELLE DES AUTRES PARAMETRES S'OBTIENT EN INVERSANT LA RELATION NON-LINEAIRE QUI LIE CES PARAMETRES A LA FORME DU MOTIF D'INTERACTION DANS LE PLAN TEMPS-FREQUENCE AU MOYEN D'UN RESEAU DE NEURONES MULTICOUCHE. LA METHODE DE RECONNAISSANCE, TESTEE AVEC SUCCES SUR DES DONNEES EXPERIMENTALES, S'AVERE PARTICULIEREMENT ROBUSTE EN PRESENCE DE BRUIT. L'APPLICATION DE LA CLASSIFICATION A UN CAS REEL S'INSCRIT DANS LE CONTEXTE DE L'ACOUSTIQUE DE PECHE (RECONNAISSANCE DES ESPECES DES POISSONS PAR LEUR SIGNATURE ACOUSTIQUE). LES DONNEES ONT ETE OBTENUES A PARTIR DE MESURES EN LAC SUR DES POISSONS EN CAGE AINSI QU'A PARTIR D'ESSAIS EN MER. DANS LE CAS DES POISSONS EN CAGE, ON MONTRE QUE LA SIGNATURE SPECTRALE DES ECHOS EST CORRELEE A L'ESPECE, INDEPENDAMMENT DU NOMBRE D'INDIVIDUS OU DE LEUR TAILLE. LES DONNEES ISSUES DES ESSAIS EN MER PERMETTENT QUANT A ELLES DE MONTRER LA FAISABILITE DE LA DISCRIMINATION DES ESPECES
