Détection de Changement Robuste en Rang Faible pour les Séries Temporelles d'Images SAR

National audienceThis paper considers the problem of detecting changes in multivariate Synthetic Aperture Radar image time series. Classical methodologies based on covariance matrix analysis are usually built upon the Gaussian assumption, as well as an unstructured signal model. Both of these hypotheses may be inaccurate for high-dimension/resolution images, where the noise can be heterogeneous (non-Gaussian) and where all channels are not always informative (low-rank structure). In this paper, we tackle these two issues by proposing a new detector assuming a robust low-rank model. Analysis of the proposed method on a UAVSAR dataset shows promising results.Ce papier considère la détection de changements dans une série temporelle d'images multivariées obtenues par radarà synthèse d'ouverture. Dans ce cadre les méthodologies classiques modélisent les données par une distribution gaussienneà moyenne nulle et une cova-riance non structurée. Ces deux hypothèses montrent leur limite lorsque les données sontà très haute résolution ou que la dimension de celles-ci est grande. Pour de telles images, les pixels peuventêtre hétérogènes (non gaussiens) et peuvent avoir une structure de rang faible. Ainsi, dans ce papier nous proposons de dériver un nouveau détecteur dans un cadre robuste en supposant une structure de rang faible. Les résultats de l'approche proposée sur un jeu de données UAVSAR illustrent l'intérêt de la méthode