Projet de fin d'étude : Fusion spatio-spectrale d’images satellitaires à plusieurs résolutions : Application aux données Sentinel-2 et Sentinel-3

Etudiant : M'RANI FATIMA ZAHRAE

Filière : Master Informatique Décisionnelle et Vision Intelligente (MIDVI)

Encadrant : Pr. RAMADAN HIBA

Annèe : 2024

Résumé : Le projet s’inscrit dans le cadre de l’observation marine et vise à réaliser une fusion spatio-spectrale des images multispectrales des satellites Sentinel-2 et Sentinel-3. Cette fusion a pour but de générer une image super-résolue, tant sur le plan spatial que spectral. Cette image super-résolue permettra d’obtenir des informations plus détaillées et précises sur l’environnement marin, facilitant ainsi une meilleure compréhension des processus physiques se produisant dans cet environnement, tels que la présence de phytoplancton ou d’autres organismes marins. Pour accomplir cette tâche de fusion, plusieurs approches ont été proposées et seront détaillées dans la section consacrée à l’état de l’art. Parmi ces approches, on retrouve les méthodes basées sur la substitution de composantes, l’analyse multi-résolution, l’optimisation variationnelle, le démélange, l’apprentissage profond, et les décompositions tensorielles. L’approche proposée dans ce projet repose essentiellement sur les décompositions tensorielles, une version améliorée de l’algorithme stéréo. Elle consiste à fusionner une image Sentinel-3, riche spectralement, avec des images Sentinel-2, riches spatialement. Les images Sentinel-2 se distinguent par trois résolutions spatiales différentes (10, 20 et 60 mètres). Notre idée innovante est d’exploiter ces trois résolutions simultanément dans le processus de fusion. Ainsi, nous aurons quatre images à fusionner : une image Sentinel-3 et trois images Sentinel-2, chacune à une résolution spatiale différente. Cette approche originale n’a encore jamais été mise en œuvre et vise à enrichir la qualité des données fusionnées. Après le processus de fusion, nous appliquerons cette technique à des images comportant des données manquantes. Enfin, une comparaison avec les images in situ sera réalisée à travers des batchs de correspondance, permettant ainsi de valider l’efficacité et la précision de notre méthode.