Développement de solutions pour l’identification (THID) et l’authentification par des approches non intrusives dans le domaine THz

Soutenance de thèse de Dragos-Florin NASTASIU,  pour une thèse de DOCTORAT de l' Université de  Grenoble Alpes , spécialité  " SIGNAL IMAGE PAROLE TELECOMS"

Mots clés  :  
Spectroscopie THz dans le domaine temporel,THz Tag,techniques d'identification et d'authentification,Analyse spectrale des données,Analyse des signaux transitoires,machine learning

Résumé :
L'imagerie THz est un domaine émergent depuis les avancées technologiques en termes d'émission de rayonnement THz et d'équipement de détection. L'objectif principal de la thèse est de contribuer et d'améliorer les systèmes d'imagerie THz, de la reconstruction et de l'analyse d'images aux tâches de classification d'images. Dans la première partie de la thèse, nous nous attaquons au défi de l'estimation de l'amplitude dans des conditions de bruit idéal et multiplicatif. Le bruit multiplicatif déforme la phase et introduit des artefacts complexes, tels que la perte d'information sur les contours et la dégradation du contraste, qui ne peuvent être éliminés à l'aide des techniques de reconstruction d'image les plus récentes. À cet égard, nous présentons cinq nouvelles méthodes de reconstruction qui exploitent la représentation du diagramme de phase des signaux. Deux de ces méthodes sont basées sur le filtrage du diagramme de phase pour estimer l'amplitude dans les deux conditions. Deux autres méthodes utilisent le concept de déformation temporelle dynamique (DTW) pour augmenter la capacité à modéliser le type de bruit multiplicatif. Enfin, nous exploitons la dynamique de la trajectoire de phase décrite par les courbures pour reconstruire l'image. Parmi le grand nombre de méthodes, nous évaluons tout au long de la thèse que la méthode basée sur les courbures reconstruit efficacement l'image dans des contextes idéaux et bruités. Après une reconstruction efficace de l'image, la deuxième partie de la thèse, nous étudions les méthodes d'analyse et de classification d'images en tenant compte des instabilités des systèmes d'imagerie du monde réel, telles que les translations et les rotations. Dans ce sens, nous proposons d'utiliser des décompositions de paquets d'ondelettes invariantes par rapport à la translation et à la rotation, qui fournissent une représentation unique et optimale d'une image, indépendamment de la translation ou de la rotation de l'image. Sur la base des représentations d'images invariantes, de nouvelles techniques d'extraction de caractéristiques sont introduites, telles que les cadres verticaux, horizontaux, N-directionnels et N-zonaux. En outre, deux structures de caractéristiques sont introduites, qui prennent en compte le partitionnement en fréquence de la décomposition en ondelettes et sont adaptées pour fonctionner avec des réseaux neuronaux graphiques (GNN) et des classificateurs ML classiques tels que les k-voisins les plus proches (k-NN), les machines à vecteurs de support (SVM), etc. Dans l'ensemble, les approches que nous proposons augmentent la précision de tous les classificateurs.

Membres du jury 

• Frédéric GARET, Professeur des universités - Université de Savoie Mont-Blanc : Directeur de thèse
• Andrei ANGHEL, Professeur National University of Science and Technology POLITEHNICA : Rapporteur
• Emmanuel TROUVE, Professeur des universités - LISTIC – Polytech Annecy-Chambéry : Examinateur
• Cornel IOANA, Maîtresse de conférences -  Université Grenoble Alpes : CoDirecteur de thèse
• Patrick MOUNAIX,  Directeur de recherche - CNRS : Rapporteur
• Alexandru SERBANESCU,  Professeur  Military Technical Academy Ferdinand I : CoDirecteur de thèse
• Sri  KRISHNAN,  Professeur -Faculty of Engineering & Architectural Science (FEAS) : Examinateur
• Alexandre LOCQUET, Chargé de recherche - CNRS : Examinateur