Classification des aéronefs avec un capteur infrarouge à basse résolution.

Résumé Les simulations informatiques existantes de la signature infrarouge des avions (IRS) ne tiennent pas compte de la dispersion induite par l'incertitude sur les paramètres d'entrée, tels que les angles d'aspect des avions et les conditions météorologiques. Par conséquent, elles sont peu utiles pour quantifier les performances de détection des systèmes optroniques IR : dans ce cas, le scénario englobe un grand nombre de situations possibles qui doivent effectivement être prises en compte, mais qui ne peuvent pas être simulées individuellement. Dans cet article, nous nous concentrons sur les capteurs infrarouges à basse résolution et nous proposons une approche méthodologique pour prédire la dispersion IRS simulée d'un avion, et pour effectuer une classification de différents avions sur le jeu d'images infrarouges à basse résolution qui en résulte. Elle est basée sur une étude quasi-Monte Carlo de la dispersion de sortie du code, et sur une classification à maximum de vraisemblance tirant profit de l'estimation bayésienne de modèles déformables denses. Cette méthode est illustrée dans un scénario typique, à savoir une attaque air-sol full-frontale de jour par un avion de combat générique volant à basse altitude, sur une base de données de 30 000 images d'avions simulées. En supposant un modèle de bruit de fond blanc dans l'espace, les performances de classification sont très prometteuses et semblent être plus précises que les techniques plus classiques de l'état de l'art (telles que les classificateurs à vecteur de support à noyau).