stage - détection et correction du sunglint pour l'imagerie aérienne littorale

Les zones côtières, essentielles pour la société mais fortement vulnérables au changement climatique, nécessitent des informations précises et actualisées sur les habitats benthiques. La télédétection est devenue un outil majeur, et les images à très haute résolution (THR) issues d'UAV ou de campagnes aériennes offrent un potentiel considérable. Toutefois, leur exploitation reste limitée par un verrou scientifique majeur : la présence du sunglint, particulièrement problématique en THR.

Les approches classiques basées sur le modèle statistique de Cox-Munk sont largement utilisées pour corriger le glint dans les images satellitaires à basse ou moyenne résolution, mais elles ne sont pas directement applicables aux images à très haute résolution, où les vagues sont visibles individuellement. Les approches récentes basées sur l'apprentissage profond [1] ont montré une amélioration notable dans la détection des zones de glint en imagerie UAV, mais la phase de restauration repose encore principalement sur des interpolations ou transferts spatio-temporels, sans intégrer explicitement les contraintes physiques (réflexion de Fresnel, atténuation de la colonne d'eau). De même, les méthodes basées sur une régression linéaire entre bandes reposent sur l'hypothèse d'une réflectance nulle dans le proche infrarouge. Cette hypothèse limite leur applicabilité dans les zones littorales peu profondes, où la réflectance benthique est non négligeable [2].

L'objectif de ce stage est d'explorer et de mettre en œuvre des approches de détection et de correction du sunglint adaptées à l'imagerie aérienne littorale THR, en combinant des méthodes de détection par apprentissage profond et des méthodes de correction basées sur des modèles physiques. Le travail constituera une première étape vers une approche plus robuste et physiquement explicable, en vue d'améliorer l'exploitation de ces images pour des applications telles que l'estimation de la bathymétrie ou la cartographie benthique.

Le stage s'appuiera sur les données aériennes de la BD ORTHO (IGN), déjà inter-calibrées avec Sentinel-2 pour réduire les effets liés à la géométrie solaire et aux conditions atmosphériques [3], [4]. L'idée est de tester des approches d'apprentissage profond pour la détection (par ex. U-Net [1], [5]) et d'explorer des pistes de correction combinant modèles empiriques (régressions entre bandes [6]) et contraintes physiques (réflexion de Fresnel) [7].

Les missions incluront :

• Revue de la littérature sur le sunglint et les méthodes de correction en imagerie côtière.
• Prise en main des données d'imagerie aérienne littorale.
• Analyse des problèmes de sunglint sur les images à THR.
• Détection du sunglint par méthodes classiques (seuillages, indices spectraux) et constitution d'un premier jeu de données annotées (semi-automatique + correction manuelle).
• Implémentation d'une méthode de détection supervisée (ex. U-Net) sur ce jeu de données.
• Exploration et prototypage d'une approche de correction combinant apprentissage profond et contraintes physiques.
• Évaluation des résultats avec des critères spectraux invariants (ex. indices profondeur-invariante).

Productions attendues

• Un rapport de stage.
• Une base de données annotée de zones de sunglint en imagerie aérienne littorale.
• Un prototype de méthode de correction du sunglint.
• Une première version d'outil (scripts ou codes open-source) pour la détection et la correction du sunglint.

Références

[1] J. Qin, M. Li, J. Zhao, D. Li, H. Zhang, and J. Zhong, "Advancing sun glint correction in high-resolution marine UAV RGB imagery for coral reef monitoring," ISPRS J. Photogramm. Remote Sens., vol. 207, pp. 298–311, Jan. 2024, doi: /j.isprsjprs

[2] T. Kutser, E. Vahtmäe, and J. Praks, "A sun glint correction method for hyperspectral imagery containing areas with non-negligible water leaving NIR signal," Remote Sens. Environ., vol. 113, pp. 2267–2274, 2009.

[3] M. Lei and B. Xu, "Scale Factor Effects on Relative Radiometric Normalization between Multi-Resolution Images," in IGARSS IEEE International Geoscience and Remote Sensing Symposium, Jul. 2024, pp. 9227–9230. doi: /IGARSS

[4] A. Nghien, M. Lei, M. Brédif, and O. Hagolle, "Radiometric Cross-Calibration of an Aerial Sensor with Satellite Top-of-Atmosphere Reflectance," in The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Prague, Czech Republic, May 2025, pp. 49–55. doi: /isprs-archives-XLVIII-M

[5] J. Chen et al., "Detecting sun glint in UAV RGB images at different times using a deep learning algorithm," Ecol. Inform., vol. 81, p , Jul. 2024, doi:

[6] J. Martin, F. Eugenio, J. Marcello, and A. Medina, "Automatic Sun Glint Removal of Multispectral High-Resolution Worldview-2 Imagery for Retrieving Coastal Shallow Water Parameters," Remote Sens., vol. 8, no. 1, p. 37, Jan. 2016, doi: /rs

[7] T. Harmel, M. Chami, T. Tormos, N. Reynaud, and P.-A. Danis, "Sunglint correction of the Multi-Spectral Instrument (MSI)-SENTINEL-2 imagery over inland and sea waters from SWIR bands," Remote Sens. Environ., vol. 204, pp. 308–321, Jan. 2018, doi:

Niveau : Étudiant·e en Master 2 ou dernière année d'école d'ingénieur.

Formation : télédétection, traitement d'images, géomatique, physique appliquée ou intelligence artificielle appliquée à l'imagerie.

Compétences souhaitées :

• Bonnes bases en traitement d'images et en apprentissage profond (segmentation, réseaux de neurones convolutionnels type U-Net).
• Maîtrise de Python et de ses bibliothèques scientifiques (NumPy, SciPy, scikit-image, TensorFlow ou PyTorch).
• Intérêt pour la modélisation physique (réflexion de Fresnel, interactions lumière-eau) et les applications en imagerie côtière.
• Première expérience en télédétection optique ou en analyse d'images aériennes/satellitaires appréciée.
• Esprit d'analyse, rigueur scientifique, et goût pour l'expérimentation numérique.

Le stage est localisé en île-de-France à Champs-sur-Marne dans les locaux de Géodata Paris sur le Campus Descartes à proximité du RER A (Noisy Champ).

Aucune