Domaine technique

La présente invention appartient au domaine de l’imagerie par des satellites en orbite terrestre, et concerne plus particulièrement un procédé de génération d’une image d’une zone géographique par un satellite, ainsi qu’un satellite pour la mise en oeuvre d’un tel procédé de génération.

Etat de la technique

Les missions d’observation de la Terre effectuées par un satellite en orbite terrestre consistent à acquérir des images de parties de la surface de la Terre, c’est-à-dire effectuer des prises de vues de celle-ci.

De manière conventionnelle, un tel satellite suit par exemple une orbite défilante (c’est-à-dire non-géostationnaire) autour de la Terre afin de réaliser des acquisitions lors de son survol de la surface de la Terre. A cet effet, il comporte un instrument d’observation associé à une résolution spatiale prédéterminée. La résolution spatiale correspond à la taille, par exemple en mètres, du plus petit objet qui peut être détecté dans une scène représentée par une image issue d’une acquisition effectuée par l’instrument d’observation.

Plusieurs méthodes d’acquisition peuvent être employées. Parmi ces dernières, celles de type balayage sont souvent employées. Selon un exemple plus spécifique, un « balayage par bandes » (« pushbroom » dans la littérature anglo-saxonne) est notamment mis en oeuvre. Généralement, dans un tel cas, l’instrument d’observation comporte au moins un capteur linéaire (ou barrette) agencé transversalement à une direction de défilement du satellite au sol, et le défilement du satellite permet d’acquérir des images lignes successives qui représentent des portions adjacentes de la surface terrestre.

Toutefois, le défilement du satellite a un impact sur la capacité de l’instrument d’observation à effectuer des acquisitions nettes et précises. En particulier, lorsque l’on souhaite réaliser des acquisitions à haute résolution spatiale (par exemple inférieure à 1 mètre ou à 0.5 mètre), le temps de survol de la portion représentée par une image ligne acquise par le capteur linéaire devient trop faible de sorte que le temps d’intégration ne permet pas d’atteindre un rapport signal sur bruit (encore dit « SNR », acronyme de l’expression anglo-saxonne « signal to noise ratio ») satisfaisant.

On peut utiliser alors un capteur linéaire dit à report temporel et intégration ou TDI (acronyme de l’expression anglo-saxonne « Time Delay and Intégration », voir par exemple les demandes de brevets EP 3217649 et FR 2976754). Typiquement, un tel capteur TDI comporte plusieurs étages de lignes de cellules d’acquisition qui effectuent un transfert de charges d’un ligne de cellules d’acquisition à une autre de manière synchronisée avec le défilement du satellite, chaque ligne de cellules d’acquisition ajoutant aux charges reçues de l’étage précédent la charge mesurée pour la portion observée. Un tel capteur TDI permet donc d’obtenir une image ligne bénéficiant d’un temps d’intégration plus important, proportionnel au nombre d’étages dudit capteur TDI. Toutefois, des erreurs de synchronisation entre le transfert de charges et le défilement du satellite (du fait d’erreurs sur la connaissance du défilement du satellite, de vibrations, etc.) entraînent une perte de contraste, c’est-à-dire une dégradation de la fonction de transfert de modulation (FTM).

D’autres méthodes d’acquisition permettent de réaliser l’acquisition de plusieurs images d’une même zone géographique au cours d’un même survol de ladite zone géographique par le satellite. C’est le cas par exemple des techniques dites « pushframe » (voir par exemple le brevet US 8487996), ou encore des techniques dites à ralenti infini dans lesquelles l’empreinte au sol d’un champ de vision de l’instrument d’observation est immobilisée lors de l’acquisition, par des manoeuvres d’attitude du satellite permettant de compenser le défilement du satellite (voir par exemple le brevet FR 3107953), qui s’appuient sur des capteurs matriciels plutôt que sur des capteurs linéaires. Dès lors une possibilité pour améliorer le SNR et/ou le contraste pourrait consister à réaliser un post-traitement au sol des images représentant une même zone géographique. Toutefois, de telles acquisitions génèrent en pratique un volume de données très important qui s’avère difficile à rapatrier au sol compte tenu des débits actuels sur les liaisons descendantes des satellites en orbite terrestre.

Exposé de l’invention

La présente invention a pour objectif de remédier à tout ou partie des inconvénients de l’art antérieur, notamment ceux exposés ci-avant, en proposant une solution qui permette d’améliorer à bord d’un satellite la qualité (en termes de SNR et/ou de FTM) des images acquises par un instrument d’observation de ce satellite.

A cet effet, et selon un premier aspect, il est proposé un procédé de génération d’une image par un satellite en orbite terrestre, ledit satellite embarquant un instrument d’observation et un circuit de traitement, ladite image représentant une zone géographique et étant obtenue en regroupant des images partielles représentant des zones partielles différentes à l’intérieur de la zone géographique, dans lequel les zones partielles sont traitées successivement et ledit procédé comporte, pour le traitement de chaque zone partielle :

- une réception, par le circuit de traitement, d’au moins deux images partielles élémentaires acquises par l’instrument d’observation à des instants respectifs différents et représentant ladite zone partielle en cours de traitement,

- une estimation, par le circuit de traitement, de décalages entre des pixels desdites au moins deux images partielles élémentaires,

- une fusion, par le circuit de traitement, desdites au moins deux images partielles élémentaires en fonction des décalages estimés, de sorte à former l’image partielle de ladite zone partielle en cours de traitement,

Avantageusement, les décalages sont estimés au moyen d’un filtre de Kalman réalisant une phase de prédiction et une phase de mise à jour, dans lequel les décalages pour la zone partielle en cours de traitement sont estimés en fonction de décalages prédits pour ladite zone partielle en cours de traitement à partir des décalages mis à jour pour la zone partielle traitée précédemment, lesdits décalages prédits pour ladite zone partielle en cours de traitement étant mis à jour par comparaison des au moins deux images partielles élémentaires représentant la zone partielle en cours de traitement.

Ainsi, le procédé de génération d’image proposé repose sur l’acquisition de plusieurs images représentant une même zone géographique. Toutefois, ces images sont avantageusement fusionnées, pour obtenir une image de meilleure qualité, à bord du satellite de sorte qu’il n’est pas nécessaire de transmettre à une station sol, pour post-traitement, toutes les images acquises représentant la même zone géographique.

Toutefois, les capacités d’un satellite en termes de puissance de calcul et de mémoire disponibles sont généralement limitées. Afin de permettre une telle fusion à bord du satellite, le traitement permettant d’aboutir à l’image finale de meilleure qualité est décomposé en plusieurs morceaux, en fusionnant successivement des images partielles élémentaires représentant des zones partielles dont la réunion permet d’obtenir une image représentant la zone géographique considérée. Les dimensions (en nombre de pixels) des images partielles élémentaires sont donc fortement réduites par rapport aux dimensions de l’image à générer, de sorte que la quantité de données à traiter simultanément lors de la fusion d’images partielles élémentaires représentant une même zone partielle est limitée, les différentes zones partielles étant traitées successivement, l’une après l’autre.

Pour chaque zone partielle, l’instrument d’observation fournit au moins deux images partielles élémentaires, représentant la même zone partielle, acquises à des instants différents lors d’un même survol de ladite zone partielle par le satellite, pour des positions respectives différentes dudit satellite sur son orbite. De manière connue, des décalages peuvent être présents entre les pixels des deux images partielles élémentaires. En effet, du fait de différentes sources d’erreurs (méconnaissance de la ligne de visée de l’instrument d’observation, déformation géométrique d’une empreinte au sol d’un champ de vision de l’instrument d’observation du fait que la zone partielle est observée depuis deux positions différentes du satellite par rapport à ladite zone partielle, distorsion géométrique introduite par une optique de l’instrument d’observation, etc.), des pixels d’images partielles élémentaires différentes, qui devraient représenter une même portion de la zone partielle, peuvent en pratique représenter des portions respectives légèrement différentes de ladite zone partielle. L’écart entre ces portions respectives différentes se traduit par un décalage entre les pixels correspondants (en quantité pixels). Pour pouvoir fusionner correctement les images partielles élémentaires, ces décalages doivent être préalablement estimés et compensés pour fusionner des pixels représentant la même portion de la zone partielle. Toutefois, étant donné que les dimensions des images partielles élémentaires sont réduites (par rapport à celles de l’image finale à générer), le nombre de décalages à estimer et à compenser est également réduit. Ce nombre de décalages à estimer peut être davantage réduit, de manière optionnelle, en considérant des décalages entre groupes de pixels (« binning » dans la littérature anglo-saxonne).

Etant donné que les deux images partielles élémentaires sont censées représenter la même zone partielle, la comparaison du contenu desdites images partielles élémentaires permet d’estimer les décalages entre ces pixels. Les images partielles élémentaires étant de dimensions réduites, elles peuvent être utilisées pour estimer les décalages entre leurs pixels avec une complexité de calcul limitée. En outre, il peut généralement être supposé qu’il existe une corrélation non nulle entre d’une part les décalages entre pixels d’images partielles élémentaires représentant une zone partielle et, d’autre part, les décalages entre pixels d’images partielles élémentaires représentant une zone partielle différente, par exemple adjacente de la précédente. Par conséquent, les décalages entre pixels estimés pour une zone partielle peuvent être utilisés pour estimer les décalages entre pixels pour la zone partielle suivante.

Le principe de fonctionnement d’un filtre de Kalman, en ce qu’il repose sur une estimation itérative d’un vecteur d’état, selon laquelle le vecteur d’état pour l’itération en cours est d’abord prédit à partir du vecteur d’état mis à jour pour l’itération précédente, puis mis à jour pour tenir compte de mesures représentatives dudit vecteur d’état pour l’itération en cours, est donc particulièrement adapté à l’estimation des décalages entre pixels pour la fusion des images partielles élémentaires. En effet, en considérant que les itérations successives correspondent au traitement successif des différentes zones partielles et que le vecteur d’état correspond aux décalages entre pixels, alors la corrélation entre décalages de zones partielles successives permet d’effectuer une prédiction des décalages pour une zone partielle en cours de traitement à partir des décalages mis à jour pour la zone partielle traitée à l’itération précédente. En outre, la comparaison des images partielles élémentaires de la zone partielle en cours de traitement permet d’observer les décalages entre pixels pour la zone partielle en cours de traitement, et permet donc de mettre à jour les décalages prédits pour ladite zone partielle en cours de traitement.

Les images partielles élémentaires peuvent alors être fusionnées à bord du satellite en fonction des décalages estimés pour la zone partielle en cours de traitement (soit les décalages prédits soit les décalages mis à jour).

Dans des modes particuliers de mise en oeuvre, le procédé de génération peut comporter en outre, de manière optionnelle, l’une ou plusieurs des caractéristiques suivantes, prises isolément ou selon toutes les combinaisons techniquement possibles.

Dans des modes particuliers de mise en oeuvre, la comparaison desdites au moins deux images partielles élémentaires comporte un recalage entre elles desdites au moins deux images partielles élémentaires en fonction des décalages prédits pour la zone partielle en cours de traitement. Un tel recalage vise à compenser les décalages entre images partielles élémentaires pour obtenir des images partielles élémentaires recalées dont les pixels représentent sensiblement les mêmes portions de la zone partielle. Le recalage comporte par exemple un rééchantillonnage d’au moins une desdites images partielles élémentaires en fonction des décalages prédits.

Dans des modes particuliers de mise en oeuvre, la mise à jour par le filtre de Kalman des décalages prédits met en oeuvre un algorithme de calcul de flot optique appliqué auxdites au moins deux images partielles élémentaires recalées en fonction des décalages prédits.

Dans des modes particuliers de mise en oeuvre, le filtre de Kalman estime des décalages entre groupes de pixels. De telles dispositions permettent de réduire les besoins en termes de capacité de calcul et de mémoire.

Dans des modes particuliers de mise en oeuvre, les décalages estimés consistent en un vecteur de décalages entre lignes et un vecteur de décalages entre colonnes. De telles dispositions permettent de réduire les besoins en termes de capacité de calcul et de mémoire.

Dans des modes particuliers de mise en oeuvre, la mise à jour par le filtre de Kalman des décalages prédits met en oeuvre des gains de Kalman constants pour le traitement de toutes les zones partielles. De telles dispositions permettent de réduire les besoins en termes de capacité de calcul et de mémoire.

Dans des modes particuliers de mise en oeuvre, la mise à jour par le filtre de Kalman des décalages prédits met en oeuvre des gains variables.

Dans des modes particuliers de mise en oeuvre, le filtre de Kalman est dépourvu d’entrée de commande.

Dans des modes particuliers de mise en oeuvre, le filtre de Kalman comporte une entrée de commande pour la prise en compte d’informations externes dont dépendent les décalages à estimer. De telles dispositions sont avantageuses, notamment, lorsque l’écart temporel entre les instants d’acquisition respectifs des au moins deux images partielles élémentaires est relativement important. Dans un tel cas, certaines sources de décalages (par exemple les effets de projection) produisent des effets au moins en partie déterministes qui peuvent être estimés a priori et injectés dans le filtre de Kalman via l’entrée de commande. Il est également possible d’injecter dans le filtre de Kalman, via l’entrée de commande, des informations externes représentatives du bougé du satellite entre ces instants d’acquisition, par exemple obtenues via des mesures exogènes effectuées par des gyromètres du satellite.

Dans des modes particuliers de mise en oeuvre, la fusion des au moins deux images partielles élémentaires d’une zone partielle comporte un recalage desdites au moins deux images partielles élémentaires en fonction des décalages estimés, et une combinaison desdites au moins deux images partielles élémentaires recalées.

Dans des modes particuliers de mise en oeuvre, le recalage desdites au moins deux images partielles élémentaires comporte un rééchantillonnage d’au moins une desdites images partielles élémentaires en fonction des décalages estimés.

Dans des modes particuliers de mise en oeuvre, les décalages estimés utilisés pour recaler et combiner lesdites au moins deux images partielles élémentaires, lors de la fusion, correspondent aux décalages prédits pour la zone partielle en cours de traitement. De telles dispositions permettent de réduire la quantité de recalages à effectuer pour la zone partielle en cours de traitement, et donc permettent de réduire les besoins en termes de capacité de calcul et de mémoire.

Dans des modes particuliers de mise en oeuvre, la combinaison des au moins deux images partielles élémentaires recalées correspond à une somme pixel à pixel desdites au moins deux images partielles élémentaires recalées et/ou à une différence pixel à pixel entre lesdites au moins deux images partielles élémentaires recalées.

Dans des modes particuliers de mise en oeuvre, le procédé de génération comporte une compression / décompression des images partielles élémentaires après leur acquisition par l’instrument d’observation et avant leur traitement par le circuit de traitement. De telles dispositions permettent de réduire les besoins en termes de débit de transfert de données et de mémoire à bord du satellite.

Selon un deuxième aspect, il est proposé un produit programme d’ordinateur comportant des instructions qui, lorsqu’elles sont exécutées par un circuit de traitement d’un satellite comportant en outre un instrument d’observation, configurent ledit circuit de traitement pour mettre en oeuvre un procédé de génération d’image selon l’un quelconque des modes de mise en oeuvre de la présente invention.

Selon un troisième aspect, il est proposé un satellite destiné à être placé en orbite terrestre, comportant un instrument d’observation et un circuit de traitement, ledit circuit de traitement étant configuré pour mettre en oeuvre un procédé de génération d’image selon l’un quelconque des modes de mise en oeuvre de la présente invention.

Dans des modes particuliers de réalisation, le satellite peut comporter en outre, de manière optionnelle, l’une ou plusieurs des caractéristiques suivantes, prises isolément ou selon toutes les combinaisons techniquement possibles.

Dans des modes particuliers de réalisation, l’instrument d’observation comporte au moins deux capteurs linéaires, chacun des au moins deux capteurs linéaires étant agencé transversalement à une direction de défilement dudit satellite et étant adapté à produire une ligne de pixels, chaque image partielle élémentaire étant une image ligne correspondant à une ou plusieurs lignes de pixels acquises successivement par l’un des au moins deux capteurs linéaires.

Dans des modes particuliers de réalisation, chacun des au moins deux capteurs linéaires est un capteur à report temporel et intégration.

Dans des modes particuliers de réalisation, l’instrument d’observation comporte au moins un capteur matriciel comportant une pluralité de cellules d’acquisition agencées selon une pluralité de lignes et une pluralité de colonnes, lesdites lignes de cellules d’acquisition s’étendant transversalement à une direction de défilement dudit satellite, chaque cellule d’acquisition étant adaptée à produire un pixel de sorte que ledit au moins un capteur matriciel est adapté à produire une image matricielle comportant une pluralité de lignes de pixels et une pluralité de colonnes de pixels, chaque image partielle élémentaire étant une image ligne correspondant à une ou plusieurs lignes de pixels adjacentes d’une même image matricielle.

Ainsi, la solution proposée, qui repose sur la fusion de plusieurs images à bord du satellite, est applicable à différentes configurations pour l’instrument d’observation et à différents modes d’acquisition. Dans le cas d’un mode d’acquisition de type « pushbroom », les lignes de pixels acquises successivement peuvent être traitées à la volée, avant d’avoir acquis des images partielles élémentaires pour toutes les zones partielles, au fur et à mesure que des lignes de pixels sont reçues des différents capteurs linéaires. Dans le cas d’un mode d’acquisition utilisant un capteur matriciel, les images partielles élémentaires correspondent à des sous-images extraites successivement à partir des images acquises par le capteur matriciel.

Présentation des figures

L’invention sera mieux comprise à la lecture de la description suivante, donnée à titre d’exemple nullement limitatif, et faite en se référant aux figures qui représentent :

- Figure 1 : une représentation schématique d’un satellite en orbite autour de la Terre,

- Figure 2 : des représentations schématiques d’exemples de capteurs d’un instrument d’observation du satellite,

- Figure 3 : un diagramme illustrant les principales étapes d’un exemple de mise en œuvre d’un procédé d’acquisition,

- Figure 4 : un diagramme illustrant les principales étapes d’un exemple de mise en œuvre de l’estimation de décalages entre images partielles élémentaires.

Dans ces figures, des références identiques d’une figure à une autre désignent des éléments identiques ou analogues. Pour des raisons de clarté, les éléments représentés ne sont pas à l’échelle, sauf mention contraire.

En outre, l’ordre des étapes indiqué sur ces figures est donné uniquement à titre d’exemple non limitatif de la présente divulgation qui peut être appliquée avec les mêmes étapes exécutées dans un ordre différent.

Description des modes de réalisation

La figure 1 représente schématiquement un satellite 10 en orbite terrestre autour de la Terre 30. De manière générale, la présente divulgation est applicable à tout type d’orbite terrestre. La présente divulgation trouve une application particulièrement avantageuse dans le cas d’orbites défilantes (c’est- à-dire non-géostationnaires) circulaires. Toutefois, la présente divulgation est également applicable dans le cas d’un satellite 10 en orbite géostationnaire (GEO) ou sur une orbite inclinée ou elliptique. Dans des modes préférés de la présente divulgation, le satellite 10 est en orbite défilante basse (« Low-Earth Orbit » ou LEO) ou moyenne (« Medium Earth Orbit » ou MEO) altitude, de préférence circulaire. Dans la suite de la description, on se place de manière nullement limitative dans le cas d’un satellite 10 en orbite défilante.

Le satellite 10 embarque un instrument d’observation 20. L’instrument d’observation 20 est de préférence sensible dans des longueurs d’ondes visibles et/ou infrarouge. L’instrument d’observation 20 comporte, de manière connue en soi, des moyens d’acquisition configurés pour capter le flux optique provenant de la scène observée à la surface de la Terre 30. En particulier, l’instrument d’observation 20 comporte au moins un capteur comportant une pluralité de cellules d’acquisition 21 organisées en une ou plusieurs lignes et plusieurs colonnes, chaque cellule d’acquisition 21 permettant d’acquérir le flux optique provenant d’une portion de la scène observée.

Différents agencements sont possibles pour l’au moins un capteur de l’instrument d’observation 20. La figure 2 représente schématiquement des exemples non limitatifs d’agencements de capteurs.

La partie a) de la figure 2 représente schématiquement un premier exemple dans lequel l’instrument d’observation 20 comporte deux capteurs linéaires 22 indépendants. Dans le cas d’un satellite 10 en orbite défilante, chacun des deux capteurs linéaires 22 est par exemple agencé transversalement à une direction de défilement dudit satellite 10 et est adapté à produire au moins une ligne de pixels. Les cellules d’acquisition 21 de chaque capteur linéaire 22 sont donc organisées en une ou plusieurs lignes agencées transversalement à la direction de défilement du satellite 10. Dans des modes préférés de réalisation de l’instrument d’observation 20, chacun des deux capteurs linéaires 22 est un capteur TDI comportant par exemple plusieurs étages de lignes de cellules d’acquisition 21 qui effectuent un transfert de charges d’un ligne de cellules d’acquisition 21 à une autre de manière synchronisée avec le défilement du satellite 10. Par exemple, les capteurs linéaires 22 sont des capteurs panchromatiques ou infrarouges.

Chaque capteur linéaire 22 comporte un nombre de colonnes significativement plus important que le nombre de lignes. Par exemple, chaque capteur linéaire 22 comporte une ou quelques (typiquement de l’ordre de la dizaine ou moins) lignes de cellules d’acquisition 21 et plusieurs milliers de colonnes de cellules d’acquisition 21 . Il est à noter que les capteurs linéaires 22 ont de préférence des caractéristiques identiques en termes de nombre de lignes / nombre de colonnes, en termes de résolution spatiale et en termes de bande(s) de longueurs d’ondes mesurée(s).

Il est à noter que, suivant d’autres exemples, l’instrument d’observation 20 peut comporter davantage que deux capteurs linéaires 22 pour la mise en oeuvre de la présente divulgation. Il est également à noter que les moyens d’acquisition de l’instrument d’observation 20 peuvent également comporter d’autres capteurs en plus des deux capteurs linéaires 22, par exemple sensibles dans des bandes de longueurs d’ondes différentes. Par exemple, si les capteurs linéaires 22 sont des capteurs panchromatiques, les moyens d’acquisition peuvent également comporter des capteurs multispectraux.

La partie b) de la figure 2 représente un deuxième exemple dans lequel l’instrument d’observation 20 comporte un capteur matriciel 23. Dans un tel cas, le capteur matriciel 23 comporte une pluralité de cellules d’acquisition 21 agencées selon une pluralité de lignes et une pluralité de colonnes. Dans le cas d’un satellite 10 en orbite défilante, les lignes de cellules d’acquisition 21 s’étendent par exemple transversalement à la direction de défilement du satellite 10, et chaque cellule d’acquisition 21 est adaptée à produire un pixel de sorte que le capteur matriciel 23 produit une image matricielle comportant une pluralité de lignes de pixels et une pluralité de colonnes de pixels. Par exemple, le capteur matriciel 23 est un capteur panchromatique ou infrarouge. Le capteur matriciel 23 comporte par exemple plusieurs milliers de lignes de cellules d’acquisition 21 et plusieurs milliers de colonnes de cellules d’acquisition 21 .

Il est à noter que, suivant d’autres exemples, l’instrument d’observation 20 peut comporter davantage qu’un seul capteur matriciel 23 pour la mise en oeuvre de la présente divulgation. Dans un tel cas, les capteurs matriciels 23 utilisés dans la présente divulgation ont de préférence des caractéristiques identiques en termes de nombre de lignes / nombre de colonnes, en termes de résolution spatiale et en termes de bande(s) de longueurs d’ondes mesurée(s).

Il est également à noter que les moyens d’acquisition de l’instrument d’observation 20 peuvent également comporter d’autres capteurs en plus du capteur matriciel 23, par exemple sensibles dans des bandes de longueurs d’ondes différentes.

L’instrument d’observation 20 peut également comporter une optique comportant un ou plusieurs miroirs agencés pour réfléchir le flux optique provenant de la scène observée en direction du ou des capteurs. Le ou les capteurs sont par exemple agencés au niveau d’un plan focal de l’optique dudit instrument d’observation 20.

Le satellite 10 comporte en outre un circuit de traitement (non représenté sur les figures), qui est relié à l’instrument d’observation 20 et traite les images acquises par l’instrument d’observation 20. En particulier, le circuit de traitement met en oeuvre un procédé 50 de génération d’image qui sera décrit ci-après.

Le circuit de traitement comporte par exemple un ou plusieurs processeurs et des moyens de mémorisation (disque dur magnétique, mémoire électronique, disque optique, etc.) dans lesquels est mémorisé un produit programme d’ordinateur, sous la forme d’un ensemble d’instructions de code de programme à exécuter pour mettre en oeuvre les différentes étapes du procédé 50 de génération d’image. Alternativement ou en complément, le circuit de traitement comporte un ou des circuits logiques programmables (FPGA, PLD, etc.), et/ou un ou des circuits intégrés spécialisés (ASIC, etc.), et/ou un ensemble de composants électroniques discrets, etc., adaptés à effectuer tout ou partie desdites étapes du procédé 50 de génération d’image.

Il est à noter que le satellite 10 peut également comporter, de manière conventionnelle, d’autres éléments tels que des moyens de mesure d’attitude (senseur stellaire, gyromètre, etc.), ou encore des moyens de contrôle d’attitude (roues de réaction, volants d’inertie, actionneurs gyroscopiques, magné-coupleurs, etc.), notamment, qui peuvent être également reliés au circuit de traitement.

La figure 3 représente schématiquement les principales étapes d’un procédé 50 de génération d’une image représentant une zone géographique à la surface de la Terre 30.

Comme cela sera décrit de manière plus détaillée ci-après, l’image générée comporte une pluralité de lignes de pixels et une pluralité de colonnes de pixels, et correspond au regroupement d’une pluralité d’images partielles représentant des zones partielles différentes à l’intérieur de la zone géographique.

En outre, chaque image partielle est obtenue en fusionnant, à bord du satellite 10, au moins deux images partielles dites élémentaires représentant théoriquement la même zone partielle. Les images partielles élémentaires sont acquises par l’instrument d’observation 20 à des instants respectifs différents. Ainsi, chaque image partielle est obtenue en fusionnant plusieurs images partielles élémentaires représentant la même zone partielle.

La nature des images partielles élémentaires dépend par exemple du type de capteur(s) de l’instrument d’observation 20.

Par exemple, si l’instrument d’observation 20 comporte au moins deux capteurs linéaires 22, tel qu’illustré par la partie a) de la figure 2, alors chaque image partielle élémentaire correspond à une image ligne correspondant à une ou plusieurs lignes de pixels acquises successivement par l’un des au moins deux capteurs linéaires 22. Dans la présente divulgation, on entend par « image ligne » une image comportant un nombre de lignes significativement inférieur au nombre de colonnes, par exemple 100 fois moins de lignes que de colonnes, de préférence 1000 fois moins de lignes que de colonnes. Du fait de leur agencement particulier, les deux capteurs linéaires 22 de la partie a) de la figure 2 observent successivement la même zone partielle, par défilement du satellite 10, de sorte que les images partielles élémentaires représentant la même zone partielle sont obtenues à des instants respectifs différents.

Si l’instrument d’observation 20 comporte au moins un capteur matriciel 23, tel qu’illustré par la partie b) de la figure 2, alors chaque image partielle élémentaire est par exemple une image ligne correspondant à une ou plusieurs lignes de pixels adjacentes extraites d’une même image matricielle. En d’autres termes, une image matricielle élémentaire représente plusieurs zones partielles, et l’image partielle élémentaire correspond à une partie d’une image matricielle élémentaire acquise par le capteur matriciel 23. Les images partielles élémentaires sont donc extraites à partir d’images matricielles élémentaires respectives différentes acquises à des instants respectifs différents par l’instrument d’observation 20. Les images matricielles élémentaires représentant une même zone partielle peuvent être acquises à des instants respectifs différents par un même capteur matriciel 23, ou bien par des capteurs matriciels 23 différents si l’instrument d’observation 20 comporte au moins deux capteurs matriciels 23.

Selon le procédé 50 de génération, toutes les zones partielles d’une zone géographique sont traitées successivement.

Tel qu’illustré par la figure 3, le traitement d’une zone partielle comporte une étape S51 de réception, par le circuit de traitement, d’au moins deux images partielles élémentaires acquises par l’instrument d’observation 20 à des instants respectifs différents et représentant ladite zone partielle en cours de traitement. En considérant un satellite 10 en orbite défilante, lesdites images partielles élémentaires de ladite zone partielle en cours de traitement sont donc acquises depuis des positions initiales différentes dudit satellite 10 sur son orbite, au cours d’un même survol de ladite zone partielle (au cours de la même période orbitale).

Dans la suite de la description, on se place de manière nullement limitative dans le cas où l’on considère exactement deux images partielles élémentaires pour générer l’image partielle de la zone partielle en cours de traitement. Rien n’exclut cependant, suivant d’autres exemples, de considérer davantage d’images partielles élémentaires pour la génération de l’image partielle de la zone partielle en cours de traitement.

Tel qu’indiqué ci-dessus, les zones partielles sont traitées successivement. En pratique, la zone partielle en cours de traitement n’est pas nécessairement connue a priori. Il suffit en pratique de savoir que deux images partielles élémentaires représentent en principe sensiblement la même zone partielle. Le traitement successif de zones partielles s’effectue en traitant successivement des paires successives d’images partielles élémentaires, chaque paire d’images partielles élémentaires représentant sensiblement une même zone partielle sans avoir à connaître les coordonnées de la zone partielle en cours de traitement.

Par exemple, dans le cas où l’instrument d’observation 20 comporte deux capteurs linéaires 22, alors le traitement successif des zones partielles revient à traiter successivement des images lignes acquises successivement par chacun desdits capteurs linéaires 22, à mesure que chacun des capteurs linéaires balaie la zone géographique. Les images lignes représentant la même zone partielle (images partielles élémentaires) sont acquises à des instants respectifs différents puisque les capteurs linéaires 22 ne pointent pas simultanément vers la même zone partielle. De préférence, les images lignes sont traitées successivement à mesure qu’elles sont acquises par l’instrument d’observation et reçues par le circuit de traitement, de sorte les zones partielles traitées successivement sont des zones partielles adjacentes à la surface de la Terre 30.

Par exemple, dans le cas où l’instrument d’observation 20 comporte un capteur matriciel 23, alors le traitement successif des zones partielles revient à traiter successivement des images lignes différentes extraites à partir d’images matricielles différentes acquises successivement par le capteur matriciel 23. Pour chaque image matricielle, les images lignes extraites et traitées successivement sont de préférence des images lignes adjacentes, de sorte que les zones partielles traitées successivement sont des zones partielles adjacentes à la surface de la Terre 30.

Tel qu’illustré par la figure 3, le traitement d’une zone partielle comporte ensuite une étape S52 d’estimation, par le circuit de traitement, de décalages entre des pixels desdites deux images partielles élémentaires. En effet, du fait de différentes sources d’erreurs (méconnaissance de la ligne de visée de l’instrument d’observation 20 par exemple due à des vibrations, déformation géométrique d’une empreinte au sol d’un champ de vision de l’instrument d’observation 20 du fait que la zone partielle est observée depuis deux positions différentes du satellite 10 par rapport à ladite zone partielle, distorsion géométrique introduite par une optique de l’instrument d’observation 20, etc.), des pixels d’images partielles élémentaires différentes, qui devraient représenter une même portion de la zone partielle, peuvent en pratique représenter des portions respectives légèrement différentes de ladite zone partielle. L’écart entre ces portions respectives différentes se traduit par un décalage entre les pixels correspondants (en quantité pixels).

Etant donné que les deux images partielles élémentaires sont censées représenter la même zone partielle, les décalages entre pixels peuvent par exemple être estimés par comparaison du contenu desdites images partielles élémentaires. Les images partielles élémentaires étant de dimensions réduites (dans la mesure où elles ne représentent qu’une partie de la zone géographique à imager), elles peuvent être utilisées pour estimer les décalages entre leurs pixels avec une complexité de calcul limitée.

Avantageusement, les décalages sont estimés au moyen d’un filtre de Kalman. Le filtre de Kalman peut être tout type de filtre de Kalman connu de la personne du métier, y compris ses variantes non linéaires (filtre de Kalman étendu, filtre de Kalman sans parfum, etc.), et le choix d’un type particulier de filtre de Kalman correspond à un mode particulier de mise en oeuvre du procédé 50 de génération. Quel que soit son type, un filtre de Kalman est un filtre itératif qui estime un vecteur d’état et qui, à chaque itération, réalise une phase de prédiction et une phase de mise à jour dudit vecteur d’état. La phase de prédiction fournit une vecteur d’état dit prédit et la phase de mise à jour fournit un vecteur d’état dit mis à jour. En pratique, le vecteur d’état prédit pour une itération est calculé à partir du vecteur d’état mis à jour pour l’itération précédente. Le vecteur d’état mis à jour est calculé en fonction du vecteur d’état prédit et en fonction de mesures représentatives dudit vecteur d’état.

Dans le cas présent, le vecteur d’état du filtre de Kalman comporte au moins les décalages entre pixels des images partielles élémentaires de la zone partielle en cours de traitement, et les mesures sont déterminées au moins à partir desdites images partielles élémentaires. Les itérations successives du filtre de Kalman correspondent ici à la succession de paires d’images partielles élémentaires traitées, c’est-à-dire à la succession de zones partielles traitées. Par conséquent, la zone partielle représentée par la paire d’images partielles élémentaires change d’une itération à une autre du filtre de Kalman. Dans la suite de la description, on parle donc indifféremment d’itération k ou de traitement de la zone partielle de rang k.

La figure 4 représente schématiquement les principales étapes d’un mode préféré de mise en oeuvre de l’étape S52 d’estimation des décalages entre les images partielles élémentaires au moyen d’un filtre de Kalman.

Tel qu’illustré par la figure 4, l’étape S52 d’estimation des décalages pour la zone partielle en cours de traitement, de rang k (itération k du filtre de Kalman), prend en entrée les décalages prédits pour ladite zone partielle de rang k à partir des décalages mis à jour pour la zone partielle de rang (fc - 1), c’est à dire traitée précédemment à l’itération (fc - 1) du filtre de Kalman. Tel qu’illustré par la figure 4, l’étape S52 d’estimation des décalages comporte une étape S521 de comparaison des images partielles élémentaires représentant la zone partielle de rang k, reçues par le circuit de traitement. L’étape S521 de comparaison fournit une innovation de rang k permettant de mettre à jour les décalages prédits pour la zone partielle de rang k. L’étape S52 d’estimation des décalages comporte alors une étape S522 de mise à jour des décalages prédits pour la zone partielle de rang k en fonction notamment de l’innovation de rang k. L’étape S522 de mise à jour fournit en sortie les décalages mis à jour pour la zone partielle de rang k. L’étape S52 d’estimation des décalages comporte alors une étape S523 de prédiction qui, à partir des décalages mis à jour pour la zone partielle de rang k, calcule les décalages prédits pour la zone partielle qui sera traitée ensuite, c’est-à-dire la zone partielle de rang (fc + 1).

Tel qu’illustré par la figure 4, les décalages estimés pour la zone partielle en cours de traitement de rang k, utilisés au cours d’une étape S53 de fusion décrite ci-après, peuvent être indifféremment les décalages prédits pour ladite zone partielle de rang k ou les décalages mis à jour pour ladite zone de traitement de rang k.

Dans des modes particuliers de mise en oeuvre, l’étape S521 de comparaison comporte un recalage entre elles desdites au moins deux images partielles élémentaires en fonction des décalages prédits pour la zone partielle en cours de traitement, de rang k. Par « recalage », on entend que les décalages prédits pour la zone partielle de rang k sont corrigés dans les images partielles élémentaires de sorte que les pixels des images partielles élémentaires recalées représentent théoriquement les mêmes portions de la zone partielle (aux erreurs d’estimation des décalages prédits près). Au cours de ce recalage, il est possible de corriger les deux images partielles élémentaires, ou bien de n’en corriger qu’une seule en considérant l’autre comme référence. Le recalage comporte par exemple un rééchantillonnage d’au moins une desdites images partielles élémentaires en fonction des décalages prédits. Par exemple, le rééchantillonnage d’une image partielle élémentaire met en oeuvre une interpolation bicubique de cette image partielle élémentaire. Toutefois, tout type de méthode de rééchantillonnage connu de la personne du métier peut être mis en oeuvre et le choix d’un type particulier de méthode de rééchantillonnage ne correspond qu’à un exemple non limitatif de mise en oeuvre.

Dans des modes particuliers de mise en oeuvre, la mise à jour par le filtre de Kalman des décalages prédits pour la zone partielle de rang k met en oeuvre un algorithme de calcul de flot optique appliqué auxdites deux images partielles élémentaires recalées en fonction desdits décalages prédits pour la zone partielle de rang k. Toutefois, tout type de méthode de mise en correspondance d’images (ou « matching » dans la littérature anglo-saxonne) connu de la personne du métier peut être mis en oeuvre et le choix d’un type particulier de méthode de mise en correspondance ne correspond qu’à un exemple non limitatif de mise en oeuvre. Notamment, il est possible, suivant d’autres exemples de mise en oeuvre, de mettre en correspondance les images partielles élémentaires par un calcul de ressemblance, tel qu’un calcul de corrélation, entre lesdites images partielles élémentaires.

Tel qu’illustré par la figure 3, le traitement d’une zone partielle comporte ensuite l’étape S53 de fusion, par le circuit de traitement, desdites deux images partielles élémentaires représentant la zone partielle en cours de traitement en fonction des décalages estimés au cours de l’étape S52 d’estimation.

Par exemple, les décalages estimés sont utilisés pour recaler les images partielles élémentaires entre elles, puis les images partielles élémentaires recalées peuvent être combinées, par exemple en calculant une somme (éventuellement pondérée) desdites images partielles élémentaires recalées ou en calculant la différence entre lesdites images partielles élémentaires recalées. Il est à noter qu’il est également possible de générer plusieurs images partielles lors de l’étape S53 de fusion (pour générer plusieurs images de la zone géographique), en générant par exemple une première image partielle représentative de la somme desdites images partielles élémentaires recalées et une seconde image partielle représentative de la différence entre lesdites images partielles élémentaires recalées.

Tel qu’indiqué ci-dessus en référence à la figure 4, les décalages estimés pour la zone partielle en cours de traitement, de rang k, utilisés au cours de l’étape S53 de fusion, peuvent être indifféremment les décalages prédits pour la zone partielle de rang k ou les décalages mis à jour pour ladite zone de traitement de rang k.

En principe, les décalages mis à jour pour la zone partielle de rang k tiennent compte des images partielles élémentaires représentant ladite zone partielle de rang k, de sorte que les décalages mis à jour sont en principe plus précis que les décalages prédits pour la zone partielle de rang k.

Toutefois, et tel qu’indiqué précédemment, l’étape S52 d’estimation comporte déjà dans certains modes de mise en oeuvre une recalage desdites images partielles élémentaires représentant la zone partielle de rang k en fonction des décalages prédits pour ladite zone partielle de rang k. Si, au cours de l’étape S53 de fusion, les images partielles élémentaires sont recalées en fonction des décalages mis à jour pour ladite zone partielle de rang k, cela implique que les images partielles élémentaires représentant la zone partielle de rang k sont recalées deux fois au cours du traitement de ladite zone partielle de rang k, ce qui augmente les besoins en termes de capacité de calcul et de mémoire pour chaque itération du filtre de Kalman. Par conséquent, au cours de l’étape S53 de fusion, il est avantageux d’utiliser les décalages prédits pour la zone partielle en cours de traitement si l’on souhaite réduire les besoins en termes de capacité de calcul et de mémoire. Si l’on souhaite privilégier la précision des décalages estimées, il avantageux d’utiliser les décalages mis à jour pour la zone partielle en cours de traitement.

La fusion desdites deux images partielles élémentaires, au cours de l’étape S53, fournit l’image partielle de la zone partielle en cours de traitement, qui forme une partie de l’image à générer de la zone géographique. En répétant les différentes étapes illustrées par la figure 3 pour toutes les zones partielles, on obtient donc une pluralité d’images partielles représentant des zones partielles différentes, qui peuvent être regroupées de manière conventionnelle pour former une image de la zone géographique. Typiquement, les images partielles peuvent être simplement juxtaposées pour former l’image de la zone géographique. L’image ainsi générée de la zone géographique est ensuite transmise au sol, éventuellement après application, à bord du satellite 10, d’autres traitements optionnels sur ladite image générée qui sortent du cadre de la présente divulgation.

On décrit à présent une exemple détaillé de mise en oeuvre du procédé 50 de génération d’image, dans le cas d’un instrument d’observation comportant deux capteurs linéaires 22 (partie a) de la figure 2). Cet exemple non limitatif s’appuie sur un filtre de Kalman simplifié, optimisé pour réduire les besoins en termes de capacité de calcul et de mémoire pour faciliter sa mise en oeuvre à bord d’un satellite 10.

Afin de décrire cet exemple détaillé, on rappelle ci-après les mises en oeuvre dans un filtre de Kalman selon les notations usuelles, auxquelles il sera ensuite fait référence par analogie pour décrire l’implémentation détaillée.

De manière générale, dans un filtre de Kalman, les équations régissant la phase de prédiction sont les suivantes : expressions dans lesquelles :

- Xfc|fc_i correspond au vecteur d’état prédit pour l’itération k,

- Pfc|fc_i correspond à une matrice de covariance de l’erreur prédite pour l’itération k,

- F _k correspond à une matrice d’évolution qui relie le vecteur d’état mis à jour pour l’itération (fc

- u _k correspond à une entrée de commande,

- B _k correspond à une matrice qui relie l’entrée de commande au vecteur d’état pour l’itération k,

- Q _fe correspond à une matrice de covariance du bruit de processus

Les équations régissant la phase de mise à jour sont les suivantes : expressions dans lesquelles :

- y _k correspond à l’innovation calculée pour l’itération k,

- z _k correspond à une observation du processus à l’itération k,

- H _k correspond à une matrice qui relie le vecteur d’état x _k | _k _i à l’observation z _k ,

- K _k correspond à une matrice de gains de Kalman pour l’itération k,

- x _k | _k correspond au vecteur d’état mis à jour pour l’itération k,

- P _k | _k correspond à la matrice de covariance de l’erreur mise à jour pour l’itération k, - R _k correspond à une matrice de covariance d’un bruit de mesure,

- I correspond à la matrice identité.

Dans l’exemple non limitatif considéré ici, le filtre de Kalman est simplifié en considérant qu’il n’y a pas de bruit de processus, que ledit filtre de Kalman est dépourvu d’entrée de commande et que la matrice de gain de Kalman est constante d’une itération à une autre. En d’autres termes, les principales équations régissant ce filtre de Kalman simplifié sont les suivantes :

On décrit à présent l’exemple de mise en oeuvre du filtre de Kalman simplifié en adoptant d’autres notations.

Dans le présent exemple, les images partielles élémentaires correspondent à des images lignes élémentaires, chaque image ligne élémentaire comportent un nombre de lignes égal à N _L et un nombre de colonnes égal à N _c , N _L étant très inférieur à N _c (facteur au moins 100 voire au moins 1000). Par exemple, 2 < N _L < 10 et N _c > 1000 voire N _c > 5000.

Afin de réduire la quantité de calculs à effectuer, les décalages sont estimés dans cet exemple pour des groupes (également connu sous le nom de « patches ») de pixels adjacents comportant / lignes et J colonnes. Ainsi, un décalage est estimé pour un groupe de / x J pixels adjacents. De préférence, I = N _L de sorte que chaque groupe s’étend sur toutes les lignes de l’image partielle élémentaire et de sorte que chaque image partielle élémentaire est constituée de n _c groupes de pixels adjacents avec n _c = N _c /J. Par exemple, I xJ = 4 x 4 ou I xJ = 2 x 8.

En considérant / = N _L , les décalages à estimer peuvent avantageusement consister en un vecteur de décalages entre lignes, désigné ci-après gridL, et un vecteur de décalages entre colonnes, désigné ci-après gridC. Ainsi, chaque décalage dans le vecteur gridL correspond au décalage entre les lignes de groupes de pixels correspondants (représentant théoriquement la même portion de la scène observée) dans les deux images partielles élémentaires. Chaque décalage dans le vecteur gridC correspond au décalage entre les colonnes de groupes de pixels correspondants (représentant théoriquement la même portion de la scène observée) dans les deux images partielles élémentaires. Les deux vecteurs gridL et gridC à estimer ont les mêmes dimensions, à savoir 1 x n _c . Le vecteur gridL (resp. gridC) prédit pour l’itération k est désigné par gridL _k \ _k-1 (resp. gridC _k]k-} ) et le vecteur gridL (resp. gridC) mis à jour pour l’itération k est désigné par gridL _k \ _k (resp. gridC _k[k ).

Dans le présent exemple, deux images partielles élémentaires sont utilisées pour former l’image partielle, désignées respectivement par iml _k et im2 _k pour l’itération k. Dans cet exemple, lors du recalage, seule l’image partielle élémentaire im2 _k est rééchantillonnée en fonction des décalages estimés, et l’image partielle élémentaire rééchantillonnée est désignée par im2res _k . En relation avec les groupes de pixels définis ci-avant, on définit une fonction de regroupement (ou « binning » dans la littérature anglo-saxonne) comme suit : expression dans laquelle x correspond à une image à laquelle est appliquée la fonction de regroupement [ J, et correspond à la valeur du pixel de l’image x situé à la ligne p et à la colonne r de ladite image x.

On décrit ci-après les équations utilisées pour calculer l’innovation pour l’itération k, désignée par dL _k pour le vecteur gridL et par dC _k pour le vecteur gridC (étape ÿ _k selon les notations usuelles du filtre de

Kalman). Dans cet exemple, le calcul des innovations dL _k et dC _k pour la mise en jour des décalages met en oeuvre un algorithme de calcul de flot optique.

Tout d’abord, les images partielles élémentaires iml _k et im2 _k de l’itération k sont recalées entre elles, en rééchantillonnant l’image partielle élémentaire im2 _k en fonction des décalages prédits pour l’itération k, à savoir les vecteurs gridL _k \ _k-1 et gridC^^. En considérant de manière non-limitative un rééchantillonnage basé sur une interpolation bicubique : im2res _k = bicubic_interp(im2 _k , gridL _k \ _k-1 , gridC _k \ _k-1 ) expression dans laquelle bicubic _interp correspond à la fonction d’interpolation bicubique. Par exemple, la fonction bicubic _interp peut être mise en oeuvre au moyen de banques de filtres prédéterminés, à savoir une banque de filtres p _L et une banque de filtres p _c dans lesquelles les filtres sont indexés par les décalages entre respectivement les lignes et les colonnes : expression dans laquelle * correspond à la convolution.

Dans le cadre de l’algorithme de calcul de flot optique, on calcule également la somme entre les images partielles élémentaires recalées (c’est-à- dire entre iml _k et im2res _k ) et la différence entre lesdites images partielles élémentaires recalées : imSUM _k = iml _k + im2res _k imDIFF _k = iml _k — im2res _k

Ensuite, dans le cadre de l’algorithme de calcul de flot optique, on calcule les gradients de l’image partielle élémentaire iml _k . Les gradients entre lignes, désignés par gL _k , et les gradients entre colonnes, désignés par gC _k , sont par exemple calculés comme suit :

On définit également les fonctions carré et produit pour des images comme suit :

En d’autres termes, il s’agit d’opérations carré et produit pixel à pixel.

Les décalages résiduels entre les images iml _k et im2res _k , c’est-à-dire les innovations dL _k et dC _k , sont par exemple calculés comme suit : expressions dans lesquelles A correspond à un terme de régularisation de Tikhonov pour tenir compte de la présence de bruit d’estimation dans l’algorithme de calcul de flot optique. Le terme de régularisation A règle le niveau de prise en compte du bruit présent dans l’image partielle élémentaire iml _k , qui impacte l’estimation des gradients dans l’algorithme de calcul de flot optique. L’ordre de grandeur du terme de régularisation A est de préférence celui de la variance du bruit dans l’image partielle élémentaire iml _k . Par exemple, le terme de régularisation A est une matrice dans laquelle tous les coefficients sont égaux. Le terme de régularisation A peut par exemple être prédéterminé, et maintenu constant et identique pour toutes les zones partielles à traiter. Rien n’exclut cependant, suivant d’autres exemples, de faire varier le terme de régularisation A au cours des itérations, par exemple en fonction d’une estimation du bruit dans chaque image partielle élémentaire iml _k .

Ensuite, les décalages pour l’itération k peuvent être mis à jour comme suit (étape x _k | _k = x _fc | _fc _i + K y _k selon les notations usuelles du filtre de Kalman) : expressions dans lesquelles K correspond à la matrice des gains de Kalman. Tel qu’indiqué précédemment, les gains de Kalman sont dans cet exemple constants au cours des itérations, c’est-à-dire identiques pour toutes les zones partielles à traiter. De préférence, tous les gains de Kalman dans la matrice K sont égaux à une même valeur K _o qui peut être prédéterminée. De manière générale, plus la valeur K _o est faible et moins on fait confiance aux informations déduites à partir des images iml _k et im2res _k .

Rien n’exclut cependant, suivant d’autres exemples, de faire varier les gains de Kalman au cours des itérations successives, par exemple en utilisant la matrice de covariance du bruit de mesure à chaque itération, ou encore en fonction d’un modèle numérique de surface, MNS, ou en fonction d’un indicateur de fiabilité des informations déduites des images iml _k et im2res _k , etc. Par exemple, il est possible d’augmenter les gains de Kalman lorsque le MNS indique que la zone partielle présente un relief important, par rapport au cas où le MNS indique que la zone partielle présente un relief faible (par exemple sensiblement plat). Suivant un autre exemple, une indication de fiabilité peut être obtenue par un calcul de corrélation entre les images iml _k et im2res _k , et la valeur du pic de corrélation peut être utilisée comme indicateur de fiabilité des informations déduites de ces images. Ainsi, il possible d’augmenter les gains de Kalman lorsque la valeur du pic de corrélation est importante, par rapport au cas où la valeur du pic de corrélation est faible. De manière générale, l’utilisation de gains de Kalman variables peut dans certains cas permettre d’améliorer les performances du filtre de Kalman par rapport à l’utilisation de gains de Kalman constants.

Ensuite, les décalages mis à jour pour l’itération k sont utilisés pour calculer les décalages prédits pour l’itération (fc + 1) (étape x _k | _k _i selon les notations usuelles du filtre de Kalman), par exemple comme suit : expressions dans lesquelles kern correspond à un filtre de prédiction qui est dans cet exemple est un vecteur ligne prédéterminé appliqué à la fois pour calculer gridL _k+1 \ _k et gridC _{k+ 1} \ _k . De manière générale, le filtre de prédiction kern peut prendre toute forme adaptée. Par exemple, il peut s’agir d’un filtre de lissage tel qu’un filtre gaussien, un filtre triangulaire, etc. Dans certains cas, il est également possible, par exemple pour réduire davantage les calculs à effectuer, d’avoir un filtre de prédiction kern qui correspond à l’identité, auquel cas les décalages prédits pour l’itération (fc + 1) sont égaux aux décalages mis à jour pour l’itération k. En outre, il est également possible d’avoir des filtres de prédiction différents pour calculer respectivement gridL _{k+ 1} \ _k et gridC _k+1 \ _k .

L’image partielle pour l’itération k est alors obtenue en fusionnant les images partielles élémentaires iml _k et im2 _k en fonction des décalages estimés pour l’itération k. Tel qu’indiqué ci-dessus, il est avantageux d’utiliser pour la fusion les décalages prédits pour l’itération k, puisque le recalage (images iml _k et im2res _k ) a déjà été effectué pour calculer les décalages résiduels dL _k et dC _k . En outre, si la fusion correspond à la différence entre les images partielles élémentaires recalées, alors il est possible de réutiliser en tant qu’imagé partielle (c’est-à-dire en tant que résultat de la fusion), l’image imDIFF _k déjà calculée dans le cadre de l’algorithme de calcul de flot optique. De telles dispositions permettent donc de réduire les besoins en termes de capacité de calcul et de mémoire. De manière plus générale, l’image partielle peut correspondre à l’image imSUM _k et/ou à l’image imDIFF _k . D’autres combinaisons des images partielles élémentaires recalées sont également possibles, par exemple en appliquant des coefficients de pondération respectifs différents aux différentes images partielles élémentaires recalées.

Dans l’exemple détaillé décrit ci-avant, on comprend qu’il est possible de traiter à la volée, et de manière systématique, les différentes images partielles élémentaires acquises successivement par les capteurs linéaires 22, ce qui permet de réduire les besoins en termes de mémoire. En effet, le traitement d’un zone partielle peut démarrer dès que celle-ci a fait l’objet d’une acquisition par le capteur linéaire 22 qui observe en dernier cette zone partielle (synchronisation des capteurs linéaires 22). Au cours de l’itération k, dès que l’image partielle (par exemple imSUM _k et/ou imDIFF _k ) a été calculée et mémorisée, les images partielles élémentaires iml _k et im2 _k n’ont plus besoin d’être conservées en mémoire.

Dans des modes particuliers de mise en oeuvre, pour réduire les besoins en termes de débit de transfert de données et de mémoire, il est également possible de réaliser une compression / décompression à la volée des images partielles élémentaires après leur acquisition par l’instrument d’observation 20 et avant leur traitement par le circuit de traitement.

De manière plus générale, il est à noter que les modes de mise en oeuvre et de réalisation considérés ci-dessus ont été décrits à titre d’exemples non limitatifs, et que d’autres variantes sont par conséquent envisageables.

Notamment, les exemples ci-avant ont été donnés en considérant principalement le cas de capteurs linéaires 22. Toutefois, et tel qu’indiqué précédemment, la présente divulgation est également applicable à d’autres types de capteurs, notamment des capteurs matriciels 23. Dans un tel cas, les images partielles élémentaires sont par exemple extraites à partir d’images matricielles élémentaires acquises à des instants différents, représentant la même zone géographique, ou bien des zones géographiques distinctes mais présentant une intersection non nulle dans laquelle plusieurs zones partielles peuvent être traitées selon le procédé 50 de génération.

En outre, les exemples ci-avant ont été donnés en considérant principalement un filtre de Kalman dépourvu d’entrée de commande. En effet, dans le cas notamment où les images partielles élémentaires sont acquises par des capteurs linéaires 22, les variations des décalages d’une paire d’images partielles élémentaires à la suivante sont en principe assez faibles. Toutefois, il est également possible, dans d’autres exemples, d’utiliser une entrée de commande pour prendre en compte des informations externes (exogènes aux images, dérivées de mesures effectuées par des moyens indépendants de l’instrument d’observation 20) dont dépendent les décalages à estimer. En particulier, si les variations des décalages d’une paire d’images partielles élémentaires ne peuvent pas être considérés comme faibles, alors l’entrée de commande peut être utilisée pour aider le filtre de Kalman. Les variations des décalages peuvent être plus importantes, notamment, lorsque l’écart temporel entre les instants d’acquisition respectifs des images partielles élémentaires est relativement important, par exemple de l’ordre de quelques dizaines ou quelques centaines de millisecondes. Cela peut être le cas, notamment, dans le cas où les images partielles élémentaires sont acquises par un même capteur matriciel 23. Dans un tel cas, certaines sources de décalages (par exemple les effets de projection) produisent des effets au moins en partie déterministes qui peuvent être estimés a priori et injectés dans le filtre de Kalman via l’entrée de commande. Il est également possible d’injecter dans le filtre de Kalman, via l’entrée de commande, des informations externes représentatives du bougé du satellite entre ces instants d’acquisition, par exemple obtenues via des mesures effectuées par un ou plusieurs gyromètres du satellite, etc. De manière plus générale, toute information externe représentative des décalages à estimer peut être injectée dans le filtre de Kalman via l’entrée de commande.

En outre, les exemples ci-avant ont été donnés en considérant principalement le cas d’une fusion de deux images partielles élémentaires pour chaque zone partielle. Rien n’exclut cependant, suivant d’autres exemples, de considérer un nombre plus important d’images partielles élémentaires à fusionner. Par exemple, tout ce qui a été décrit ci-avant est applicable en considérant une image partielle élémentaire comme référence, et en traitant à chaque itération toutes les paires différentes d’images partielles élémentaires qui comprennent ladite image partielle élémentaire de référence.

La description ci-avant illustre clairement que, par ses différentes caractéristiques, la présente divulgation atteint les objectifs fixés. Il est d’ailleurs à noter que l’exemple détaillé décrit ci-avant a été implémenté, et ses performances confirmées, sur un FPGA qualifié pour le vol spatial.

La présente divulgation présente de nombreux avantages. En particulier, la fusion à bord des images acquises par l’instrument d’observation 20 permet d’améliorer la résolution spatiale des images transmises au sol.

En outre, grâce à la fusion à bord du satellite 10 des images acquises par l’instrument d’observation 20, il est possible, pour une configuration de satellite 10 / instrument d’observation 20 donnée (c’est-à-dire à configuration constante), d’augmenter les performances en termes de facteur de mérite (FdM, correspondant au produit FTM x SNR). Alternativement, grâce à la fusion à bord des images, il est possible d’atteindre un facteur de mérite donné (c’est-à-dire à facteur de mérite constant) avec une configuration plus simple (et donc moins coûteuse) du satellite 10 / de l’instrument d’observation 20.