Détection et classification de cibles multispectrales dans l'infrarouge

Les dispositifs de protection de sites sensibles doivent permettre de detecter des menaces potentielles suffisamment a l’avance pour pouvoir mettre en place une strategie de defense. Dans cette optique, les methodes de detection et de reconnaissance d’aeronefs se basant sur des images infrarouge multispectrales doivent etre adaptees a des images faiblement resolues et etre robustes a la variabilite spectrale et spatiale des cibles. Nous mettons au point dans cette these, des methodes statistiques de detection et de reconnaissance d’aeronefs satisfaisant ces contraintes. Tout d’abord, nous specifions une methode de detection d’anomalies pour des images multispectrales, combinant un calcul de vraisemblance spectrale avec une etude sur les ensembles de niveaux de la transformee de Mahalanobis de l’image. Cette methode ne necessite aucune information a priori sur les aeronefs et nous permet d’identifier les images contenant des cibles. Ces images sont ensuite considerees comme des realisations d’un modele statistique d’observations fluctuant spectralement et spatialement autour de formes caracteristiques inconnues. L’estimation des parametres de ce modele est realisee par une nouvelle methodologie d’apprentissage sequentiel non supervise pour des modeles a donnees manquantes que nous avons developpee. La mise au point de ce modele nous permet in fine de proposer une methode de reconnaissance de cibles basee sur l’estimateur du maximum de vraisemblance a posteriori. Les resultats encourageants, tant en detection qu’en classification, justifient l’interet du developpement de dispositifs permettant l’acquisition d’images multispectrales. Ces methodes nous ont egalement permis d’identifier les regroupements de bandes spectrales optimales pour la detection et la reconnaissance d’aeronefs faiblement resolus en infrarouge