Stage M2 : Suivi de nuages et identification de

Stage M2 : Suivi de nuages et identification de la
dynamique.
encadrement par D. Béréziat ∗et I. Herlin †
Novembre 2011
Contexte
Le stage a pour but la mise en œuvre d’un algorithme de suivi de nuages dans
une séquence d’images acquise par le satellite MeteoSAT (en canal visible). Il
s’agit de réaliser un suivi multi-objets en cohérence avec les observations-images.
Une particularité de l’algorithme est de prendre en compte la dynamique sousjacente des structures que l’on veut suivre. Cette dynamique est basée sur le
phénomène de l’advection des nuages par les vents.
Une étude préliminaire a été effectuée afin de préciser le sujet d’un point
de vue théorique, de lister les choix possibles et de permettre la réalisation
effective de l’algorithme au cours du stage. Chaque image de la séquence étudiée
est appelée observation. Les dates d’acquisition correspondantes sont les dates
d’observation. La fenêtre temporelle correspondant aux images observées est la
fenêtre d’étude.
– Les représentations mathématiques des objets ont tout d’abord été analysées.
Un premier choix est de représenter les bords de nuages par une courbe.
Une fonction implicite est alors définie comme la carte de distance signée,
définie sur le domaine image, qui indique la distance au point de contour
le plus proche. Le signe permet de différentier l’intérieur de l’extérieur
des régions. Cette fonction implicite dépend également du temps et l’algorithme devra la calculer à chaque date de la fenêtre d’étude.
– Puisque les nuages sont advectés par les vents (les phénomènes de création
et dissipation ne sont pas pris en compte), il est possible de considérer que
la fonction implicite est transportée par le champ de vecteur mouvement,
inconnue du problème. Il faut donc que l’algorithme calcule simultanément
la fonction implicite et le champ de vitesse qui la transporte. Une heuristique sur la dynamique de ce champ de vitesse est également nécessaire :
nous supposons que le vecteur vitesse est constant le long de la trajectoire
d’un pixel.
∗ Université
† INRIA
Pierre et Marie Curie – équipe PEQUAN
– équipe-projet CLIME
1
– Comme dit précédemment, l’algorithme doit calculer, à chaque pas de
temps de la fenêtre d’étude, la fonction implicite et le champ de mouvement. La contrainte à respecter provient des observations : il faut que
la fonction implicite, carte de distance signée, corresponde au mieux à la
carte des contours calculée à chaque date d’acquisition.
– L’algorithme, basé sur une optimisation itérative, nécessite une condition
initiale (au début de la fenêtre d’étude) pour la fonction implicite et le
champ de vitesse. Différentes possibilités ont été recensées qui pourront
être analysées durant le stage.
Objectif du stage
Le but est de définir un algorithme qui permette d’effectuer le suivi des objets en respectant les équations d’évolution de la fonction implicite (transport
par la vitesse) et du champ de mouvement (constant le long d’une trajectoire) et
en imposant une attache aux données (ressemblance de la fonction implicite et
de la carte de contours). Le contexte méthodologique choisi est celui de l’assimilation variationnelle de données, qui repose sur la théorie du contrôle optimal.
Afin de faciliter le développement de l’algorithme, l’étudiant pourra utiliser un
prototype déjà existant et permettant l’optimisation simultanée des équations
d’évolution et de l’attache aux données dans le cas image.
L’étudiant doit, dans une première partie du stage, mettre en œuvre l’algorithme proposé sur l’estimation de la fonction implicite et du champ de
mouvement. Il sera alors testé au moyen d’une expérience jumelle (il s’agit
de construire un jeu de données synthétiques pour lesquelles on dispose d’une
vérité terrain) afin de quantifier les performances de la méthode. Cette phase
de développement/test permettra de définir la paramétrisation adéquate pour
l’algorithme et de valider ou d’infirmer les heuristiques choisies.
Dans une deuxième partie de stage, l’algorithme sera amélioré quant à la
partie attache aux données. Si la contrainte de ressemblance de la fonction
implicite (carte de distance signée) avec la carte des contours est insuffisante,
il faudra étudier l’ajout d’un terme d’observation portant sur les valeurs de
niveaux de gris ou d’autres possibilités disponibles dans l’état de l’art.
Après validation sur les expériences jumelles, une série d’expériences sur les
données satellites sera réalisée afin de démontrer l’intérêt de la méthode pour
la communauté scientifique.
Détails administratifs
Le stage se déroulera à l’INRIA Paris-Rocquencourt (Le Chesnay, voir le site
de l’INRIA pour les accès) pour une durée de 5 mois et sera gratifié.
L’encadrement portera à la fois sur les aspects mathématiques de la modélisation
et de l’optimisation et sur les aspects développements du logiciel en C++.
2
L’étudiant disposera des navettes Paris-Rocquencourt ou Versailles-Rocquencourt
mises à disposition par l’INRIA.
Les candidats pourront envoyer un curriculum vitæ à [email protected]
et/ou [email protected].
3