Accéder directement au contenu Accéder directement à la navigation
Article dans une revue

Segmentation des images sonar latéral assurant l'invariance en rasance

Ahmed Nait-Chabane 1 Benoît Zerr 1 Gilles Le Chenadec 2
1 Lab-STICC_ENSTAB_CID_SFIIS ; OSM
STIC - Pôle STIC [Brest], Lab-STICC - Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance
2 Lab-STICC_ENSTAB_CID_SFIIS
STIC - Pôle STIC [Brest], Lab-STICC - Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance
Résumé : Un sonar latéral de cartographie enregistre les signaux qui ont été rétrodiffusés par le fond marin sur une large fauchée. Les signaux sont ainsi révélateurs de l'interaction entre l'onde acoustique émise et le fond de la mer pour une large plage de variation de l'angle de rasance. L'analyse des statistiques de ces signaux rétrodiffusés montre une dépendance à ces angles de rasance, ce qui pénalise fortement la segmentation des images en régions homogènes. Pour améliorer cette segmentation, l'approche classique consiste à corriger les artefacts dus à la formation de l'image sonar (géométrie d'acquisition, gains variables, etc.) en considérant un fond marin plat et en estimant des lois physiques (Lambert, Jackson, etc.) ou des modèles empiriques. L'approche choisie dans ce travail propose de diviser l'image sonar en bandes dans le sens de la portée; la largeur de ces bandes étant suffisamment faible afin que l'analyse statistique de la rétrodiffusion puisse être considérée indépendante de l'angle de rasance. Deux types d'analyse de texture sont utilisés sur chaque bande de l'image. La première technique est basée sur l'estimation d'une matrice des cooccurrences et de différents attributs d'Haralick. Le deuxième type d'analyse est l'estimation d'attributs spectraux. La bande centrale localisée à la moitié de la portée du sonar est segmentée en premier par un réseau de neurones compétitifs basé sur l'algorithme SOFM (Self-Organizing Feature Maps) de Kohonen. Ensuite, la segmentation est réalisée successivement sur les bandes adjacentes, jusqu'aux limites basse et haute de la portée sonar. A partir des connaissances acquises sur la segmentation de cette première bande, le classifieur adapte sa segmentation aux bandes voisines. Cette nouvelle méthode de segmentation est évaluée sur des données réelles acquises par le sonar latéral Klein 5000. Les performances de segmentation de l'algorithme proposé sont comparées avec celles obtenues par des techniques classiques comme l'algorithme K-moyennes (K-means).
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-00925170
Contributeur : Annick Billon-Coat <>
Soumis le : mardi 7 janvier 2014 - 16:23:42
Dernière modification le : mercredi 24 juin 2020 - 16:19:28

Identifiants

Citation

Ahmed Nait-Chabane, Benoît Zerr, Gilles Le Chenadec. Segmentation des images sonar latéral assurant l'invariance en rasance. Traitement du Signal, Lavoisier, 2013, 30 (3-4-5/2013), pp.119-148. ⟨10.3166/TS.30.119-148⟩. ⟨hal-00925170⟩

Partager

Métriques

Consultations de la notice

612