THÈSE DOCTORAT DE L’UNIVERSITÉ DE TOULOUSE En vue de l'obtention du

THÈSE
THÈSE
En vue de l'obtention du
DOCTORAT DE L’UNIVERSITÉ DE TOULOUSE
DOCTORAT DE L’UNIVERSITÉ DE TOULOUSE
Délivré par l'Institut National Polytechnique de Toulouse (INP de Toulouse)
Discipline ou spécialité : Signal, Image, Acoustique et Optimisation
JURY
M. Jocelyn Chanussot.............Professeur E.N.S.E.3 Grenoble................Rapporteurs
M. Hichem Snoussi................MdC Université de Troyes........................................
M. Jon Atli Benediktsson........Professeur University of Iceland Reykjavik.................
M. Grégoire Mercier..............Professeur E.N.S.T. Rennes...................Examinateurs
Mme Corinne Mailhes............Professeur E.N.S.E.E.I.H.T. Toulouse.........................
M. Jean-Denis Durou............MdC Université Paul Sabatier Toulouse.......................
M. Jean-Yves Tourneret........Professeur E.N.S.E.E.I.H.T. Toulouse..........Encadrants
M. Nicolas Dobigeon............Mdc E.N.S.E.E.I.H.T. Toulouse...................................
Ecole doctorale : Mathématiques Informatique Télécommunication de Toulouse
Unité de recherche : Institut de Recherche en Informatique de Toulouse
Directeur(s) de Thèse : Jean-Yves Tourneret et Nicolas Dobigeon
Rapporteurs :
Présentée et soutenue par Olivier Eches
Le 14 Octobre 2010
Titre : Méthodes Bayésiennes pour le démélange d'images hyperspectrales

ii

Remerciements
Au cours de ces trois années de thèse, j’ai pu faire la connaissance et échanger avec
tellement de personnes, dans et en dehors du cadre de mon travail, qui m’est impossible
de me souvenir de tout le monde !
Je commence donc tout naturellement par Jean-Yves Tourneret, mon directeur de
thèse qui m’a proposé cette thèse au cours de l’année 2007. Sa grande confiance en mes
capacités, ses sages conseils, son expérience, sa patience face à mon caractère ont forte-
ment contribué à la réussite de cette thèse. Je ne peux également oublier Nicolas Dobigeon
qui a co-encadré ma thèse à partir de la deuxième année, sans lui, sans son courage et
sa détermination (notamment à relire et corriger les fautes de typographie mes articles)
rien n’aurait été possible. Je n’ai pas également oublié les moments passés en leur com-
pagnie en conférence à Reykjavik, notamment quand ils m’ont comparé avec un certain
personnage porte-poisse d’une assez vieille production cinématographique française.
Je tiens à remercier également Corinne Mailhes pour avoir présidé le jury de sou-
tenance, en plus de m’avoir encadré au cours de la première année. Puis je remercie
également messieurs Jocelyn Chanussot et Hichem Snoussi qui ont accepté de rapporté
ma thèse. Remercions tout particulièrement Jon Atli Benediktsson qui a accepté de rap-
porter ma thèse et d’assister à ma soutenance malgré la distance et la barrière de la
langue et qui de plus a accepté de m’accueillir en post-doc. Bien entendu, je n’oublie pas
messieurs Jean-Denis Durou et Grégoire Mercier pour leur présence au sein du jury.
iii

Au fil de ces trois années, l’IRIT est devenu comme une deuxième maison pour moi.
C’est dans ses locaux neufs que je termine ma thèse, après un déménagement au cours
de la troisième année depuis un bureau aux teintes orangées et mal éclairé vers un bu-
reau plus vaste à la vue superbe sur la ville de Toulouse mais - disons le franchement -
à la décoration du plus mauvais goût. Commençons donc par remercier les secrétaires,
Sylvie Armengaud et Sylvie Eichen, très compétentes et toujours prête à aider. Puis
l’équipe du service informatique, notamment les deux premières années Stéphane Jene-
saisplustonnomdefamilledésolé, remplacé ensuite par Frédéric Peyré. L’équipe Signal et
Communications dans laquelle j’ai effectué ma thèse n’est pas en reste ! Merci à Nathalie
pour sa gentillesse, à Marie pour les quelques discussions que nous avons eu. Merci à Mar-
tial pour ses conseils pédagogiques et sa bonne humeur. Je tiens également à remercier
Marco Lops, récemment arrivé d’Italie, pour sa sympathie lors de cette dernière année
de thèse. Remercions également Bruno Escrig, ancien responsable de stage de mastère et
d’agréable compagnie, et Marie-Laure Boucheret, sympathique motarde. Bien entendu,
je n’oublie pas les thésards qui se sont succédés dans mon bureau : Jérôme, Fares, Sok-
chenda, Cécile et les deux petits derniers Abderrahim et Yohann. Une petite pensée pour
Jean-Rémi et Henri qui travaillaient leur thèse dans notre bureau voisin avant le démé-
nagement. Je salue également Emmanuel Christophe qui a suivi avec intérêt mon travail
au tout début de ma thèse.
Je tiens à remercier mes amis pour les moments passés ensemble : Vincent, Chahinez,
Lionel, Sébastien ainsi que tout ceux que j’ai oublié ! J’ai une très forte pensée pour ma
famille, notamment mes parents, mon frère et ma grand-mère.
Enfin, je tiens à remercier plus que tout Aurore sans quoi rien de tout cela ne serait
possible...
iv

Résumé
L’imagerie hyperspectrale est très largement employée en télédétection pour diverses
applications, dans le domaine civil comme dans le domaine militaire. Une image hy-
perspectrale est le résultat de l’acquisition d’une seule scène observée dans plusieurs
longueurs d’ondes. Par conséquent, chacun des pixels constituant cette image est repré-
senté par un vecteur de mesures (généralement des réflectances) appelé spectre. Une
étape majeure dans l’analyse des données hyperspectrales consiste à identifier les compo-
sants macroscopiques (signatures) présents dans la région observée et leurs proportions
correspondantes (abondances). Les dernières techniques développées pour ces analyses
ne modélisent pas correctement ces images. En effet, habituellement ces techniques sup-
posent l’existence de pixels purs dans l’image, c’est-à-dire des pixels constitué d’un seul
matériau pur. Or, un pixel est rarement constitué d’éléments purs distincts l’un de l’autre.
Ainsi, les estimations basées sur ces modèles peuvent tout à fait s’avérer bien loin de la
réalité. Le but de cette étude est de proposer de nouveaux algorithmes d’estimation à
l’aide d’un modèle plus adapté aux propriétés intrinsèques des images hyperspectrales.
Les paramètres inconnus du modèle sont ainsi déduits dans un cadre Bayésien. L’utilisa-
tion de méthodes de Monte Carlo par Chaînes de Markov (MCMC) permet de surmonter
les difficultés liées aux calculs complexes de ces méthodes d’estimation.
v