Estimation de vitesses par assimilation de données variationnelle

Etienne Huot (1, 2) , Yann Xu (2) , Gennady K. Korotaev (3) , Lin Wu (1, 4) , Isabelle Herlin (1, 4) , François-Xavier Le Dimet (5)

1 Clime - Coupling environmental data and simulation models for software integration
2 CETP - Centre d'étude des environnements terrestre et planétaires
3 MHI - Marine Hydrophysical Institute
4 CEREA - Centre d'Enseignement et de Recherche en Environnement Atmosphérique
5 MOISE - Modelling, Observations, Identification for Environmental Sciences

Les méthodes classiques d'estimation dense de la vitesse (de type flot optique) s'appuient sur l'estimation des dérivées spatio-temporelles de l'image. Celles-ci sont difficiles à estimer dans le cas d'occlusion d'une partie des acquisitions. Les approches issues de l'assimilation de données s'appuient sur un modèle d'évolution temporelle, qui permet de répondre à ce problème des données manquantes. Nous proposons donc une nouvelle approche pour estimer un champ de vitesse apparent, à partir d'une séquence d'images, en utilisant une méthode d'assimilation de données variationnelle. Pour cela un Modèle Image est construit, dans lequel sont assimilées les observations de la séquence d'images. Cette approche permet une estimation optimale de la vitesse, même si les observations sont partiellement manquantes comme c'est fréquemment le cas en imagerie satellite.

Domaines: Modélisation et simulation

Etienne Huot, Yann Xu, Gennady K. Korotaev, Lin Wu, Isabelle Herlin, et al.. Estimation de vitesses par assimilation de données variationnelle. Colloque Gretsi 2007, Sep 2007, Troyes, France. pp.1285-1288. ⟨inria-00604081⟩