DOCTORAT - APPRENTISSAGE MULTI-MODAL D'IMAGES SAR SUPER-RÉSOLUES POUR LA CARTOGRAPHIE ARCHÉOLOGIQUE
L’Institut national de l’information géographique et forestière (IGN) est un établissement public à caractère administratif placé sous la tutelle des ministères chargés de l’écologie et de la forêt. Sa vocation est de produire et diffuser des données (open data) et des représentations (cartes en ligne et papier, géovisualisation) de référence relatives à la connaissance du territoire national et des forêts françaises ainsi qu'à leur évolution.
Grâce à son école d’ingénieurs, l'ENSG-Géomatique, et à ses équipes de recherche pluridisciplinaires, l’institut cultive un potentiel d’innovation de haut niveau dans plusieurs domaines (géodésie, forêt, photogrammétrie, intelligence artificielle, analyse spatiale, visualisation 3D, etc.).
Contexte
Contexte
Le LiDAR aéroporté a transformé l'analyse des paysages archéologiques en révélant des caractéristiques topographiques fines dissimulées sous le couvert végétal. Dans le contexte de l'Empire khmer, les acquisitions LiDAR ont permis l'identification de structures d'habitat, de systèmes hydrauliques, de routes et de réseaux urbains jusqu'alors non documentés, à une résolution submétrique. À titre d'exemple, l'École française d'Extrême-Orient (EFEO) a rassemblé 7 500 km² de données LiDAR archéologiques, la première et la plus vaste collection de ce type dans la région. Cependant, malgré sa qualité exceptionnelle, la couverture LiDAR reste spatialement limitée et financièrement coûteuse à étendre à l'ensemble de l'aire historique du monde khmer.
Parallèlement, l'imagerie radar à synthèse d'ouverture (SAR), disponible gratuitement ou commercialement -- telle que Sentinel-1, ALOS-2 PALSAR-2 et TerraSAR-X -- offre une couverture à grande échelle -- à l'échelle de la civilisation khmère -- avec des résolutions spatiales allant de plusieurs mètres à l'échelle submétrique. L'imagerie SAR est particulièrement intéressante pour les régions tropicales en raison de sa capacité d'acquisition par tous les temps, de jour comme de nuit. Néanmoins, l'imagerie SAR demeure plus difficile à exploiter directement pour des applications archéologiques en raison du bruit de chatoiement (speckle), des distorsions géométriques et d'une résolution spatiale plus faible que celle du LiDAR.
Les avancées récentes en super-résolution multi-images, en apprentissage profond et en apprentissage inter-modal ouvrent de nouvelles perspectives pour l'amélioration de l'imagerie SAR en exploitant la redondance temporelle et des modalités de télédétection complémentaires (Addabbo et al., 2023). L'idée centrale de ce projet de thèse est de tirer parti des complémentarités entre le SAR et le LiDAR afin de générer des produits SAR à haute résolution adaptés à la cartographie archéologique à grande échelle de l'Empire khmer. En appliquant des techniques avancées de super-résolution aux séries temporelles SAR et en utilisant le LiDAR comme signal de supervision pour l'amélioration inter-modale, le projet vise à obtenir des images et des modèles de terrain à haute résolution dans les zones non couvertes par le LiDAR, permettant ainsi une analyse extensible des vestiges archéologiques à l'échelle du paysage.
Ce projet s'inscrit dans le cadre d'un effort de recherche plus large consacré à la cartographie archéologique à grande échelle et à l'analyse par télédétection de l'Empire khmer, en collaboration avec des archéologues, épigraphistes et historiens de l'EFEO.
Missions
- Développer des méthodes de super-résolution SAR multi-images fondées sur des séries temporelles afin d'améliorer la résolution spatiale (He et al., 2021), tout en traitant explicitement le bruit propre au SAR (par exemple le speckle) et les distorsions géométriques.
- Générer une imagerie SAR à haute résolution optimisée pour les applications archéologiques, adaptée à la fois à l'interprétation visuelle et à une utilisation comme donnée d'entrée pour des modèles automatisés de cartographie archéologique (par exemple, dans une tâche en aval destinée aux archéologues).
- À partir des travaux de (Sirko et al., 2023) portant sur la super-résolution d’images optiques, concevoir des approches de super-résolution multi-modale utilisant des données LiDAR à haute résolution comme supervision pour améliorer l'imagerie SAR à résolution moyenne et reconstruire des MNT à haute résolution étendus au-delà de la couverture LiDAR actuelle.
- Produire des MNT à haute résolution dérivés du SAR, capturant les principales caractéristiques topographiques utiles à la détection de sites, à l'analyse hydrologique et à la reconstruction des paysages de l'Empire khmer.
- Évaluer la scalabilité et le rapport coût-efficacité des produits de super-résolution fondés sur l’imagerie SAR en tant qu'alternative ou complément aux campagnes d'acquisition LiDAR à grande échelle.
- (He et al., 2021) : Y. He, D. Wang, N. Lai, W. Zhang, C. Meng, M. Burke, D. Lobell, and S. Ermon, “Spatial-temporal super-resolution of satellite imagery via conditional pixel synthesis,” in NeurIPS, 2021.
- (Sirko et al., 2023) : W. Sirko, E. A. Brempong, J. T. Marcos, A. Annkah, A. Korme, M. A. Hassen, K. Sapkota, T. Shekel, A. Diack, S. Nevo, et al., “High-resolution building and road detection from sentinel-2,”arXiv:2310.11622, 2023.
Profil recherché
Diplôme de niveau Bac+5 (master ou école d’ingénieurs).
De solides compétences en mathématiques statistiques, en apprentissage profond, en vision par ordinateur et en télédétection sont attendues. Une maîtrise d'une ou plusieurs bibliothèques d'apprentissage automatique en Python (PyTorch, TensorFlow, Keras) est requise. Un bon niveau en calcul scientifique avec Python (scipy, scikit-learn, numpy) est également nécessaire.
Conditions particulières
Équipe d'encadrement
Alexandre Hippert-Ferrer (encadrant de thèse) est expert en télédétection et imagerie SAR et membre du laboratoire LaSTIG. Jean Ponce (directeur de thèse) est expert en vision par ordinateur et super-résolution et membre du département d’informatique de l’ENS. Les travaux seront menés en collaboration avec deux chercheurs de l’EFEO (École Française d’Extrême Orient), Christophe Pottier et Vladyslav Sydorov.
Atouts de l'environnement de travail
Structure d'accueil
L'Institut national de l'information géographique et forestière (IGN) est un établissement public français sous tutelle du ministère de l'Écologie et des Forêts. Son rôle principal est de produire et de diffuser des données et des représentations de référence (cartes papier et en ligne, géovisualisations) pertinentes pour la compréhension du territoire national français, de ses forêts et de leur évolution. Grâce à son école d'ingénieurs, Géodata Paris, et à ses laboratoires de recherche pluridisciplinaires, l'institut encourage une culture forte et de haut niveau de l'innovation dans plusieurs domaines (géodésie, gestion forestière, photogrammétrie, intelligence artificielle, analyse spatiale, visualisation, etc.)
Laboratoire
Le laboratoire LaSTIG, IGN/ENSG, 6-8 avenue Blaise Pascal, 77420 Champs-sur-Marne, France (situé à moins de 30 minutes de la station de métro Nation à Paris). Le ou la candidat(e) travaillera au sein de l'équipe Strudel, spécialisée dans l'étude des structures spatiotemporelles pour l'analyse territoriale. Des déplacements ou des séjours courts à l'Institut des Géosciences de l'Environnement à Grenoble seront envisagés.
Avantages
Télétravail flexible après une période de prise de poste ; équipements sportifs et culturels disponibles sur site ; associations sportives et culturelles accessibles au sein de l'institut ; accès à la cafétéria du campus ; prise en charge du titre de transport à 75 % par l'employeur ; aide à l'achat d'un vélo.
Localisation
Le laboratoire est situé à l'école d'ingénieurs Géodata Paris, au 6-8 avenue Blaise Pascal, 77420 Champs-sur-Marne, France, à moins de 30 minutes du centre de Paris en train.
Contact
Alexandre Hippert-Ferrer - encadrant de la thèse
Arnaud Le Bris - Centre de compétence Télédétection, Photogrammétrie, Vision par Ordinateur