Extraction de l’information à partir des images sonar

Techniques non-acoustiques de classification des fonds marins

Les principaux outils utilisés dans les techniques de classification non-acoustiques sont : les techniques mécaniques, les techniques optiques et les outils de télédétection. Les techniques mécaniques représentent la façon la plus simple et traditionnelle pour la caractérisation des fonds marins à travers le prélèvement d’échantillons et leur analyse par des experts. Les outils exploités pour la collecte des échantillons sont le carottage et les bennes. Actuellement, les échantillons collectées sont mieux exploités avec plus de précision (mesures GPS exactes). Des études complémentaires peuvent être faites sur les échantillons comme l’analyse microscopique et la tomographie par rayons X pour la caractérisation physique et chimique du type de fond. Un autre outil utilisé est le pénétromètre qui est composé d’une sonde métallique. Cet instrument mécanique a été conçu pour une évaluation rapide des paramètres géo acoustiques (célérité, atténuation,…) des sédiments. Un pénétromètre est une tige métallique lâchée en chute libre dans la colonne d’eau, elle pénètre dans le fond à des profondeurs et à des vitesses différentes en fonction de la géométrie, de la masse et de la vitesse de l’impact de la sonde, mais surtout en fonction de la résistance au cisaillement du sédiment.

Si les dimensions physiques et la vitesse finale de la sonde sont connues, il est possible de déduire la force de cisaillement du sédiment. Certaines autres propriétés du fond peuvent être comparées sur la base de l’analyse de la signature de décélération de l’onde acoustique dans le sédiment, par rapport à une base de données compilée à partir d’essais sur différents types de sédiments. Telle est l’approche utilisée par les auteurs (SSB07) en proposant le XBP (eXpendable Bottom Probe). Les auteurs de (RB96) proposent aussi le « ISSAMS » (In Situ Sediment geoAcoustic Measurement System) dont le principe de fonctionnement ressemble à celui du pénétromètre. Un exemple de pénétromètre (appelé le Penfeld) exploité par l’Ifremer (Institut Français de Recherche pour l’Exploitation de la Mer) est donné sur la figure 1.1 A). Les techniques optiques regroupent la photographie et la vidéo, pour les systèmes de télédétection, ils regroupent les systèmes satellitaires optiques et radars ou laser (comme le « LIDAR » de l’anglais light detection and ranging). Ces outils sont plutôt utilisés pour cartographier des zones côtières peu profondes. Par exemple, les auteurs de (FBO+06) exploitent les images multispectrales du satellite IKONOS pour la cartographie de la posidonie en mer méditerranéenne.

Les auteurs (LTL00) proposent un algorithme non-supervisé, en temps réel, de détection de changement des habitats benthiques par analyse de séquences vidéo. Pour le LIDAR, l’auteur (CAL08) présente le système SHOALS (Scanning Hydrographic Operational Airborne Lidar Survey) pour la cartographie des habitats benthiques dans des eaux peu profondes. Les techniques de classification non-acoustiques sont coûteuses, et nécessitent beaucoup plus de temps et de moyens pour une couverture plus large des zones explorées. Les systèmes de cartographie radar et laser sont plutôt adaptés pour les petits fonds et de l’autre côté la vidéo et la photographie donnent des informations ponctuelles sur le fond marin. Cependant, pour des applications précises et pour des travaux de complémentarité et de vérification terrain ; elle sont indispensables pour des résultats de classification plus fiables et ces outils non-acoustiques viennent en support des techniques acoustiques. La prochaine section sera consacrée à présenter les techniques acoustiques de classification des fonds de mer.

Le sonar actif

Un système sonar actif dont la structure générale de fonctionnement est schématisée sur la figure 1.6, dispose d’une chaine d’émission de signaux acoustiques de forte puissance. Les ondes émises par la partie d’émission se propagent dans l’eau de mer, où ils subissent un affaiblissement et des déformations. Les ondes émises interagissent ensuite avec une cible, un objet ou le fond de mer. Une partie de l’onde se propage vers le sonar et les signaux sont enregistrés par la partie de réception. La partie de réception est constituée de plusieurs hydrophones disposés de manière adéquate. Pour assurer une bonne détection des signaux renvoyés par la cible ; les signaux reçus passent par une chaine de traitements qui amplifie d’abord l’amplitude du signal détecté, puis est appliqué un contrôle automatique du gain suivi d’une numérisation du signal pour le stocker. Le contrôle automatique du gain, connu sous le nom de TVG (de l’anglais Time- Varying Gain), est une étape essentielle de la chaine de réception. Ce traitement se fait dans la plupart des systèmes sonar, il permet de réduire la dynamique du signal reçu en compensant les pertes par divergence sphérique. Ces pertes s’expriment en fonction de la distance R(t) parcourue par l’onde acoustique par la relation 40 log 10(R(t)), dans le cas d’une cible ponctuelle. Pour une cible volumique ces pertes peuvent s’écrire sous la forme suivante : 20 log 10(R(t)) et pour une cible considérée comme surfacique on peut l’approximer par : 30 log 10(R(t)) (Lur02). Ainsi pour une cible surfacique, par exemple, l’écho reçu est fonction de la distance cible-sonar et les pertes de l’énergie reçue pouvant s’écrire comme la somme des deux absorptions décrites dans la section 1.3.1 comme suit : −[30 logR(t) + 2_wR(t)]. Pour compenser cet effet, une solution commune consiste à corriger le signal reçu de la loi attendue pour la perte de propagation, transposée dans le domaine temporel en exploitant la relation liant la distance cible-sonar au temps de propagation de l’onde (R = ct 2 ). Grâce aux propriétés de propagation de l’onde acoustique dans l’eau et les avancées technologiques réalisées sur le conception du système sonar lui même, plusieurs applications découlent de son utilisation :

Le sondeur mon faisceau

Le sondeur mon faisceau est un système sonar simple et beaucoup utilisé. Le signal acoustique est émis vers le nadir par un transducteur à large ouverture (typiquement plus de 30◦) et réfléchi par le fond ; l’écho est reçu par le même transducteur. La distance minimale à la cible est facilement déduite de la mesure du temps de parcours (aller/retour) en connaissant la célérité moyenne du son. Il peut aussi être placé horizontalement au navire et détecter des obstacles comme les bateaux ou les robots autonomes. Malgré son faible taux de couverture du fond, le monofaisceau est utilisé pour la caractérisation, la classification et la cartographie des fonds marin. RoxAnn (HMP99) fut le premier système commercial développé à partir des années 1980 exploitant le signal du mono-faisceau. Le principe de classification de RoxAnn se base sur l’extraction de l’information à partir de deux échos (E1 et E2). Un premier écho E1 issu de l’énergie rétrodiffusée directement du fond donne une idée sur la rugosité du fond. Le second écho E2, issu de la réflexion de l’onde émise sur le fond ensuite sur la surface de mer, puis une deuxième fois sur le fond et enfin reçu sur l’antenne, donne une information sur la dureté du sédiment. L’approche de RoxAnn est basée sur une classification supervisée. Le principe consiste à découper l’espace représentant les deux échos E1 et E2 en régions rectangulaires qui représentent les différents types de sédiments. Les auteurs de (PL92) ont développé une méthode d’identification des fonds marins superficiels destinée aux sondeurs mono-faisceaux de pêche, et basée sur la structure temporelle cumulée des échos qui reproduit les caractéristiques angulaires de la rétrodiffusion. L’identification est effectuée par comparaison entre les échos expérimentaux et des signaux tests estimés, pour un sondeur donné, en fonction du type de fond, et de la hauteur d’eau.

Contrairement à RoxAnn qui exploite uniquement l’aspect énergétique de l’écho, le système QTC IMPACT (EGB02) de la société (Quester Tangent) (Cor98) analyse la forme de l’écho. Le principe de ce système est de calculer 166 attributs seulement du premier écho : 38 attributs sur la forme de l’écho et de sa forme cumulée (amplitude, kurtosis, aire,…), 64 attributs d’une analyse spectrale de Fourier, et 64 attributs calculés par une analyse en ondelettes. Ensuite, une analyse en composantes principales (ACP) est effectuée afin de ne produire que les trois combinaisons linéaires les plus porteuses d’information. Un logiciel qui ressemble beaucoup à l’approche du QTC IMPACT est le Seabec (Single beam echo sounder seabed classification system) produit par la société Kongsberg (Kon14). D’autres systèmes existent, comme le VBT (Visual Bottom Typer) (Bio78) produit par Biosonic qui lui extrait 4 attributs : un premier attribut qui consiste à comparer les courbes d’énergie mesurée à une base de données de courbes existantes et de calculer la similarité. Le second attribut, représente le rapport des énergies du premier et du second écho. Le troisième attribut extrait la dureté et la rugosité. Enfin, le calcul de la dimension fractale pour chaque écho est effectué. D’autres systèmes sont développés, comme le TNO (SvWD03) qui est constitué d’un mono-faisceau vertical et d’un sonar frontal sont basés sur des modèles physiques de rétrodiffusion. L’objectif de ce système est de remonter à la taille moyenne du grain à partir de l’énergie de l’écho.

Table des matières

Résumé
Abstract
Remerciements
Liste des figures
Liste des tableaux
Abréviations
Symboles
Introduction générale
1 Classification des fonds marins par des systèmes acoustiques de cartographie
1.1 Introduction
1.2 Classification des fonds marins
1.2.1 Techniques non-acoustiques de classification des fonds marins
1.2.2 Techniques acoustiques de classification des fonds marins
1.3 Notions d’acoustique sous-marine
1.3.1 Propagation de l’onde dans l’eau de mer
1.3.2 Interaction de l’onde avec le fond marin
1.4 Structure générale d’un sonar
1.4.1 Le sonar actif
1.4.2 Gamme de fréquences d’utilisation d’un sonar
1.5 Les systèmes acoustiques de cartographie
1.5.1 Le sondeur monofaisceau
1.5.2 Le sondeur multifaisceau
1.5.3 Le sonar latéral
1.5.3.1 Principe de fonctionnement et caractéristiques
1.5.3.2 Géométrie d’acquisition du sonar latéral
1.5.3.3 Caractéristiques énergétiques d’une image sonar latéral
1.5.3.4 Résolutions d’une image sonar latéral
1.5.4 Déformations géométriques
1.6 Approches de correction des images sonar
1.6.1 Approche de compensation par calibration sonar
1.6.1.1 Modèle de Lambert
1.6.1.2 Modèle de Jackson
1.6.2 Approche heuristique et empirique de compensation
1.7 Conclusion
2 Outils de traitement et d’extraction de l’information
2.1 Introduction
2.2 Notion de texture
2.3 Approches d’analyse de texture
2.3.1 Approche statistique
2.3.2 Approche par filtrage
2.3.3 Approche structurelle (géométrique)
2.3.4 Approche par modélisation probabiliste
2.4 Extraction de l’information à partir des images sonar
2.4.1 Matrice de co-occurrences
2.4.2 Analyse spectrale
2.4.3 Approche par bancs de filtres : les filtres directionnels
2.4.4 Filtre directionnel proposé
2.5 Discussion sur les attributs calculés
2.5.1 Influence de la rasance sur la matrice de cooccurrences
2.5.2 Influence de la rasance sur les attributs de texture
2.5.3 Attributs calculés à partir de l’analyse spectrale
2.5.4 Filtre directionnel proposé : exemples d’application
2.6 Conclusion
3 État de l’art des méthodes de segmentation des images sonar
3.1 Introduction
3.2 Approches paramétriques de segmentation
3.3 Approches non-paramétriques de segmentation
3.4 Algorithmes de segmentation
3.4.1 Cas supervisé
3.4.2 Cas non-supervisé
3.5 Exemples d’algorithmes non-supervisés
3.5.1 k-Moyennes (k-Means)
3.5.2 Réseaux de neurones
3.5.2.1 Présentation générale
3.5.2.2 Notions de base : neurone biologique et neurone formel
3.5.3 Réseaux de neurones compétitifs : Cartes auto-organisées de Kohonen
3.5.3.1 Principe de fonctionnement des cartes topologiques de Kohonen
3.5.3.2 Algorithme d’apprentissage de Kohonen (SOFM)
3.5.3.3 Choix des paramètres de l’algorithme SOFM
3.5.4 Exemple de déroulement de l’algorithme de Kohonen
3.6 Conclusion
4 Approche proposée de segmentation des images sonar latéral
4.1 Introduction
4.2 Approche de segmentation proposée
4.2.1 Découpage en bandes de l’image sonar
4.2.2 Création du vecteur d’attributs
4.2.3 Classification non-supervisée du vecteur d’attributs par l’algorithme de Kohonen
4.2.4 Codage supervisé de la carte par des couleurs
4.2.5 Segmentation de l’image par l’analyse de la carte de Kohonen
4.3 Conclusion
5 Analyse et discussion des résultats
5.1 Introduction
5.2 Présentation des données utilisées : sonar latéral Klein 5000
5.3 Résultat de classification d’une base de données : exemples d’algorithmes non-supervisés
5.4 Segmentation d’une image sonar par approche classique : K-means
5.5 Segmentation d’une image sonar corrigée
5.6 Résultat de segmentation par l’approche proposée
5.7 Analyse quantitative et qualitative des résultats
5.8 Segmentation d’une zone complète (plusieurs traces sonar)
Conclusions et perspectives
A Traces sonar segmentées par l’algorithme proposé
B Publications et conférences
Bibliographie

Cours gratuitTélécharger le document complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *