Download or read book D tection et classification de cibles pos es sur le fond marin par r seaux de neurones en imagerie sonar written by Pascal Galerne and published by . This book was released on 1998 with total page 145 pages. Available in PDF, EPUB and Kindle. Book excerpt: 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.

Download or read book Detection et classification de cibles posees sur le fond marin par reseaux de neurones en imagerie sonar written by Pascal Galerne and published by . This book was released on 1998 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book D tection et classification de cibles pos es sur le fond marin par r seaux de neurones en imagerie sonar written by and published by . This book was released on 1998 with total page 145 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book A Side Scan Sonar Image Target Detection Algorithm Based on a Neutrosophic Set and Diffusion Maps written by Xiao Wang and published by Infinite Study. This book was released on with total page 16 pages. Available in PDF, EPUB and Kindle. Book excerpt: 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.

Download or read book IDENTIFICATION D UN SYSTEME SONAR LARGE BANDE POUR LA RECONNAISSANCE DES FONDS SOUS MARINS ET LA DETECTION DE CIBLES A PROXIMITE DU FOND written by PHILIPPE.. DELACHARTRE and published by . This book was released on 1994 with total page 173 pages. Available in PDF, EPUB and Kindle. Book excerpt: 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

Download or read book Proceedings of the 2012 International Conference on Detection and Classification of Underwater Targets written by Vincent Myers and published by Cambridge Scholars Publishing. This book was released on 2014-06-12 with total page 296 pages. Available in PDF, EPUB and Kindle. Book excerpt: 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.

Download or read book CONTRIBUTION A LA RECONNAISSANCE DES FONDS MARINS EN IMAGERIE SONAR written by Hélène Thomas and published by . This book was released on 1998 with total page 176 pages. Available in PDF, EPUB and Kindle. Book excerpt: 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.

Download or read book Contribution l tude des crit res de classification acoustique basse fr quence des cibles sous marines d pos es sur le fond marin ou enfouies dans le s diment written by Geoffroy Nicq and published by . This book was released on 1998 with total page 168 pages. Available in PDF, EPUB and Kindle. Book excerpt: 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

Download or read book R seaux de neurones profonds pour la classification d objets en imagerie infrarouge written by Antoine d' Acremont and published by . This book was released on 2020 with total page 129 pages. Available in PDF, EPUB and Kindle. Book excerpt: 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.

Download or read book RECONNAISSANCE DE CIBLES PAR SONAR ACTIF APPLICATION A DES COQUES DE FORME SIMPLE ET A LA CLASSIFICATION DES ESPECES DE POISSONS EN MER written by FRANCOIS.. MAGAND and published by . This book was released on 1996 with total page 200 pages. Available in PDF, EPUB and Kindle. Book excerpt: 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

Download or read book Classification de cibles navales l aide de r seaux de neurones partir d images radar synth se d ouverture microforme written by Daniel Lefebvre and published by Montréal : Service des archives, Université de Montréal, Section Microfilm. This book was released on 1999 with total page 184 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Classification de cibles navales l aide de r seaux de neurones partir d images radar synth se d ouverture written by Daniel Lefebvre and published by . This book was released on 1999 with total page 184 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Am lioration des techniques de reconnaissance automatique de mines marines par analyse de l cho partir d images sonar haute r solution written by Ayda Elbergui and published by . This book was released on 2013 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: La classification des cibles sous-marines est principalement basée sur l'analyse de l'ombre acoustique. La nouvelle génération des sonars d'imagerie fournit une description plus précise de la rétrodiffusion de l'onde acoustique par les cibles. Par conséquent, la combinaison de l'analyse de l'ombre et de l'écho est une voie prometteuse pour améliorer la classification automatique des cibles. Quelques systèmes performants de classification automatique des cibles s'appuient sur un modèle pour faire l'apprentissage au lieu d'utiliser uniquement des réponses expérimentales ou simulées de cibles pour entraîner le classificateur. Avec une approche basée modèle, un bon niveau de performance en classification peut être obtenu si la modélisation de la réponse acoustique de la cible est suffisamment précise. La mise en œuvre de la méthode de classification a nécessité de modéliser avec précision la réponse acoustique des cibles. Le résultat de cette modélisation est un simulateur d'images sonar (SIS). Comme les sonars d'imagerie fonctionnent à haute et très haute fréquence le modèle est basé sur le lancer de rayons acoustiques. Plusieurs phénomènes sont pris en compte pour augmenter le réalisme de la réponse acoustique (les effets des trajets multiples, l'interaction avec le fond marin, la diffraction, etc.). La première phase du classificateur utilise une approche basée sur un modèle. L'information utile dans la signature acoustique de la cible est nommée « A-scan ». Dans la pratique, l'A-scan de la cible détectée est comparé à un ensemble d'A-scans générés par SIS dans les mêmes conditions opérationnelles. Ces gabarits (A-scans) sont créés en modélisant des objets manufacturés de formes simples et complexes (mines ou non mines). Cette phase intègre un module de filtrage adapté pour permettre un résultat de classification plus souple capable de fournir un degré d'appartenance en fonction du maximum de corrélation obtenu. Avec cette approche, l'ensemble d'apprentissage peut être enrichi afin d'améliorer la classification lorsque les classes sont fortement corrélées. Si la différence entre les coefficients de corrélation de l'ensemble de classes les plus probables n'est pas suffisante, le résultat est considéré ambigu. Une deuxième phase est proposée afin de distinguer ces classes en ajoutant de nouveaux descripteurs et/ou en ajoutant davantage d'A-scans dans la base d'apprentissage et ce, dans de nouvelles configurations proches des configurations ambiguës. Ce processus de classification est principalement évalué sur des données simulées et sur un jeu limité de données réelles. L'utilisation de l'A-scan a permis d'atteindre des bonnes performances de classification en mono-vue et a amélioré le résultat de classification pour certaines ambiguïtés récurrentes avec des méthodes basées uniquement sur l'analyse d'ombre.

Download or read book La classification de cibles aquatiques par sonar large bande written by Cecile Chorier and published by . This book was released on 1996 with total page 197 pages. Available in PDF, EPUB and Kindle. Book excerpt: EN RECONNAISSANCE DES ESPECES DE POISSONS PAR SONAR LARGE BANDE, L'ETUDE EST CONSACREE AUX POISSONS ISOLES, NAGEANT LIBREMENT EN CUVE. LA CLASSIFICATION SE DECOMPOSE EN TROIS ETAPES: L'ACQUISITION DE DONNEES, L'EXTRACTION DE PARAMETRES PERTINENTS PUIS LA DECISION. C'EST POURQUOI, LE TRAVAIL A D'ABORD CONSISTE A METTRE EN UVRE UN SYSTEME SONAR ADAPTE: LARGE BANDE (20-140 KHZ). POUR MAINTENIR LE POISSON DANS LE FAISCEAU ACOUSTIQUE, UNE CAGE EST CONSTRUITE. UNE ETUDE BIBLIOGRAPHIQUE ET EXPERIMENTALE A PERMIS DE COMPARER PREALABLEMENT DIFFERENTS MATERIAUX: LE FILET A FOURNI LA REPONSE LA PLUS FAIBLE. LA BASE DE DONNEES EST COMPOSEE DE 1950 ECHOS, ASSOCIES A 39 POISSONS, REPARTIS EN TROIS ESPECES DE POISSONS (PERCHE, GARDON ET OMBLE). SOIT 50 ECHOS POUR CHAQUE POISSON, CHAQUE ECHO CORRESPONDANT A UNE POSITION DIFFERENTE. ENSUITE, UNE ETUDE PRELIMINAIRE SUR LES PRETRAITEMENTS A PERMIS D'EN RETENIR QUATRE: LES MOYENNES SUR DES BANDES DE FREQUENCE DE LARGEUR CONSTANTE, LES MOYENNES SUR DES BANDES DE FREQUENCE D'AIRES CONSTANTES DU SPECTRE MOYEN, DES COEFFICIENTS DE LA MODELISATION AR ET DES COEFFICIENTS DE LA MODELISATION ARMA. L'ETAPE DE DECISION EST REALISEE PAR UN RESEAU DE NEURONES PARTICULIER: LE RESEAU PERCEPTRON MULTICOUCHE ENTRAINE PAR L'ALGORITHME DE RETROPROPAGATION DU GRADIENT. EN CONCLUSION, LE TAUX DE RECONNAISSANCE INTERSPECIFIQUE ATTEINT 80% AVEC UNE CLASSIFICATION HIERARCHIQUE NEURONALE. LES RESULTATS, OBTENUS SUR DES POISSONS DE TAILLES DIFFERENTES, MONTRENT QUE LA RECONNAISSANCE DES ESPECES PAR ECHO SONAR LARGE BANDE EST POSSIBLE

Download or read book Die Markfarbe als Unterscheidungsmerkmal von ephedra arten written by Widder. Felix and published by . This book was released on 1948 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Localisation de cible en sonar actif written by Alexis Mours and published by . This book was released on 2017 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: La connaissance de l'environnement marin est nécessaire pour un grand nombre d'applications dans le domaine de l'acoustique sous-marine comme la communication, la localisation et détection sonar et la surveillance des mammifères marins. Il constitue le moyen principal pour éviter les interférences néfastes entre le milieu naturel et les actions industriels et militaires conduites en zones côtières.Notre travail de thèse se place dans un contexte de sonar actif avec des fréquences allant de 1 kHz à 10 kHz pour des distances de propagations allant de 1 km à plusieurs dizaines de kilomètres. Nous nous intéressons particulièrement aux environnements de propagation grands fonds, à l'utilisation des antennes industrielles comme les antennes de flancs, les antennes cylindriques et les antennes linéaires remorquées, et à l'utilisation de signaux large bande afin de travailler avec des résolutions en distance et en vitesse très élevées. Le travail de recherche présenté dans ce mémoire est dédié à la recherche de nouveaux paramètres discriminants pour la classification de cible sous-marine en sonar actif et notamment à l'estimation de l'immersion instantanée.Cette étude présente : (1) les calculs de nouvelles bornes de Cramer-Rao pour la position d'une cible en distance en et en profondeur, (2) l'estimation conjointe de la distance et de l'immersion d'une cible à partir de la mesure des temps d'arrivées et des angles d'élévations sur une antenne surfacique et (3) l'estimation conjointe de la distance, de l'immersion et du gisement d'une cible à partir de la mesure des temps d'arrivées et des pseudo-gisements sur une antenne linéaire remorquée.Les méthodes développées lors de cette étude ont été validées sur des simulations, des données expérimentales à petite échelle et des données réelles en mer.

Download or read book Prise en compte de l environnement marin dans le processus de reconnaissance automatique de cibles sous marines written by Laurent Picard and published by . This book was released on 2017 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Au cours des dernières décennies, les avancées en termes de technologies robotiques sous-marines ont permis de réaliser des levés sur les fonds marins à l'aide de véhicules sous-marins autonomes (AUV). Ainsi, équiper un AUV avec un sonar latéral permet de scanner une vaste zone de manière rapide. Naturellement, les forces armées se sont intéressées à de tels dispositifs pour effectuer des missions de chasses aux mines rapides et sécurisées pour le facteur humain. Néanmoins, analyser des images sonar par un ordinateur plutôt que par un opérateur reste très complexe. En effet, les chaînes de reconnaissance automatique de cibles (ATR) doivent faire face à la variabilité de l'environnement marin et il a été démontré qu'une forte relation existe entre la texture d'une image et la difficulté d'y détecter des mines. Effectivement, sur des fonds fortement texturés, voire encombrés, les performances d'une chaîne ATR peuvent être très dégradées. Ainsi, intégrer des informations environnementales dans le processus apparaît comme une piste crédible pour améliorer ses performances. Ces travaux de thèse proposent d'étudier la manière de décrire cet environnement marin et comment l'intégrer dans un processus ATR. Pour répondre à ces défis, nous proposons tout d'abord une nouvelle représentation des images sonar basée sur l'utilisation du signal monogène. Ce dernier permet d'extraire des informations énergétiques, géométriques et structurelles sur la texture locale d'une image. La nature multi-échelle de cet outil permet de tenir compte de la variabilité en taille des structures sous-marines. Ensuite, le concept de dimension intrinsèque est introduit pour décrire une image sonar en termes d'homogénéité, d'anisotropie et de complexité. Ces trois descripteurs sont directement reliés à la difficulté de détection des mines sous-marines dans un fond texturé et permettent de réaliser une classification très précise des images sonar en fonds homogènes, anisotropes et complexes. De notre point de vue, la chasse aux mines sous-marines ne peut pas être réalisée de la même manière sur ces trois types de fond. En effet, leurs natures et caractéristiques propres mènent à des challenges variés pour le processus ATR. Pour le démontrer, nous proposons de réaliser un premier algorithme de détection spécifique, appliqué aux zones anisotropes, qui prend en considération les caractéristiques environnementales de ces régions.