Titre :	Détection des Navires dans une Image SAR par l’Application Combinée du CFAR et de l’Apprentissage en Profondeur
Type de document :	texte imprimé
Auteurs :	Oumaima Boulkerara, Auteur ; Nada Bouchekout, Auteur ; Souad Chabbi, Directeur de thèse
Editeur :	CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine
Année de publication :	2020
Importance :	67 f.
Format :	30cm.
Note générale :	Une copie electronique PDF disponible au BUC.
Langues :	Français (fre)
Catégories :	Sciences de la technologie:Electronique
Tags :	CFAR  Image SAR  CNN.
Index. décimale :	610 Electronique
Résumé :	Pour maintenir le développement socio-économique national et les droits et intérêts maritimes, il est nécessaire d'obtenir les informations de localisation spatiale de divers navires. Par conséquent, il est important de détecter les emplacements des navires avec précision et vitesse à partir des images radar à synthèse d’ouverture (SAR). Généralement, la détection des navires est principalement effectuée en combinant l'imagerie de télédétection par satellite avec la détection à taux de fausses alarmes constant (CFAR). Cependant, avec le développement rapide de la technologie de télédétection par satellite, les données de télédétection ont progressivement commencé à montrer les caractéristiques des mégadonnées ; en outre, la précision et la vitesse de détection des navires peuvent être améliorées en analysant les mégadonnées par l’apprentissage profond qui contient plusieurs modèles où le modèle de réseau de neurones convolutifs (CNN) a fait une percée dans le domaine de la reconnaissance d'image statique en dépassant largement les autres modèles de reconnaissance en termes de performances dans une large mesure. Ainsi, dans ce mémoire de Master, nous avons d’abord étudié et entrainé des modèles CNN à partir d’une base de données réelle à l’aide de l’outil de programmation Matlab R2019b et choisir le modèle optimal. Après, nous avons étudié et testé les performances d’un détecteur de navires qui combine l’algorithme de détection globale CFAR et l’algorithme de détection locale CNN optimal (détecteur CFAR-CNN) à l’aide d’une image SAR réelle. Nous avons montré que ce détecteur est rapide et précis (tend vers l’idéalité). Ainsi, une détection locale CNN est nécessaire pour plus de précision. Enfin, il est plus approprié pour une application aux systèmes de détection de navires
Diplome :	Master 2
Permalink :	https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=14492

Détection des Navires dans une Image SAR par l’Application Combinée du CFAR et de l’Apprentissage en Profondeur [texte imprimé] / Oumaima Boulkerara, Auteur ; Nada Bouchekout, Auteur ; Souad Chabbi, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2020 . - 67 f. ; 30cm.
Une copie electronique PDF disponible au BUC.
Langues : Français (fre)

Catégories :	Sciences de la technologie:Electronique
Tags :	CFAR  Image SAR  CNN.
Index. décimale :	610 Electronique
Résumé :	Pour maintenir le développement socio-économique national et les droits et intérêts maritimes, il est nécessaire d'obtenir les informations de localisation spatiale de divers navires. Par conséquent, il est important de détecter les emplacements des navires avec précision et vitesse à partir des images radar à synthèse d’ouverture (SAR). Généralement, la détection des navires est principalement effectuée en combinant l'imagerie de télédétection par satellite avec la détection à taux de fausses alarmes constant (CFAR). Cependant, avec le développement rapide de la technologie de télédétection par satellite, les données de télédétection ont progressivement commencé à montrer les caractéristiques des mégadonnées ; en outre, la précision et la vitesse de détection des navires peuvent être améliorées en analysant les mégadonnées par l’apprentissage profond qui contient plusieurs modèles où le modèle de réseau de neurones convolutifs (CNN) a fait une percée dans le domaine de la reconnaissance d'image statique en dépassant largement les autres modèles de reconnaissance en termes de performances dans une large mesure. Ainsi, dans ce mémoire de Master, nous avons d’abord étudié et entrainé des modèles CNN à partir d’une base de données réelle à l’aide de l’outil de programmation Matlab R2019b et choisir le modèle optimal. Après, nous avons étudié et testé les performances d’un détecteur de navires qui combine l’algorithme de détection globale CFAR et l’algorithme de détection locale CNN optimal (détecteur CFAR-CNN) à l’aide d’une image SAR réelle. Nous avons montré que ce détecteur est rapide et précis (tend vers l’idéalité). Ainsi, une détection locale CNN est nécessaire pour plus de précision. Enfin, il est plus approprié pour une application aux systèmes de détection de navires
Diplome :	Master 2
Permalink :	https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=14492