Classification robuste sur l’espace des matrices de covariance : Application à l’imagerie polarimétrique radar

Ioana Ilea (1, 2) , Lionel Bombrun (1) , Chrisitan Germain (1) , Romulus Terebes (2) , Monica Borda (2)

1 IMS - Laboratoire de l'intégration, du matériau au système
2 Technical University of Cluj-Napoca

Dans cet article, nous proposons une méthode robuste de classification d’images en s’appuyant sur la théorie de la détection. Tout d’abord, nous introduisons un nouveau test d’hypothèses basé sur la distance géodésique et sur l’estimateur du point fixe de la matrice de covariance pour les distributions Gaussiennes multivariées. Ensuite, nous analysons la robustesse au bruit de ce classificateur sur des données de synthèse. Enfin, nous validons la méthode proposée sur des données Polarimétrique Radar à Synthèse d’Ouverture simulées pour la classification de parcelles forestières.

Mots clés: classification; robuste; test d’hypothèse; polarimétrie

Domaines: Traitement du signal et de l'image [eess.SP]

Ioana Ilea, Lionel Bombrun, Chrisitan Germain, Romulus Terebes, Monica Borda. Classification robuste sur l’espace des matrices de covariance : Application à l’imagerie polarimétrique radar. XXVème colloque GRETSI, 2015, Lyon, France. ⟨hal-01205304⟩