Meilleur article : Carla Geara primée par la revue IEEE Geoscience and Remote Sensing Letters

mardi 21 avril 2026

L’article « Extending InSAR2InSAR to Sentinel-1 Data » [1], publiée par la revue IEEE Geoscience and Remote Sensing Letters, reçoit le prix IEEE Geoscience and Remote Sensing Society 2025 Letters Prize Paper Award.
Ces travaux sont menés par Carla Geara, doctorante en contrat CIFRE avec la société Kanop, et dirigée côté académique par Florence Tupin à Télécom Paris en collaboration avec l’ONERA.

Ces travaux s’appuient sur de précédents travaux de l’équipe IMAGES du LTCI qui travaille depuis plusieurs années sur le développement de méthodes d’apprentissage profond pour améliorer les images radar satellitaires. Ces données acquises par émission d’ondes électro-magnétiques dans le domaine des hyper-fréquences sont en effet sujettes à de fortes fluctuations (phénomène appelé « bruit de speckle »).

Dans cet article, nous nous intéressons aux données interférométriques qui permettent à partir de deux images radar de remonter à une information de hauteur en exploitant la différence de phase. L’approche proposée étend et adapte les méthodes SAR2SAR [2] et POLSAR2POLSAR [3] qui traitaient des données en amplitude (module de l’onde) et polarimétriques. Elle exploite la géométrie d’acquisition particulière des images Sentinel-1 en mode IW (Interferometric Wide) TOPSAR. Celle-ci permet d’obtenir des images radar avec des zones de recouvrement qui sont vues sous des angles différents. Il en résulte deux réalisations avec un bruit de speckle indépendant entre les deux acquisitions qui peuvent alors être utilisées pour entraîner un réseau de neurones sans image vérité terrain de façon auto-supervisée.

Ces travaux ont été menés dans le cadre de la thèse de Carla Geara qui étudie l’intérêt des données radar pour des applications de suivi de la forêt développées par la start-up Kanop.

Et aussi : témoignage de Carla Geara lorsqu’elle était en double diplôme ingénieur Université Libanaise/Télécom Paris

La Société de géoscience et de télédétection (Geoscience and Remote Sensing Society, GRSS) est une société technique de l’Institut des ingénieurs électriciens et électroniciens (IEEE). La GRSS encourage l’engagement de ses membres au service de la société par le biais de la science, de l’ingénierie, des applications et de l’éducation liées au développement du domaine des géosciences et de la télédétection.

[1] C. Geara, C. Gelas, L. d. Vitry, E. Colin and F. Tupin, « Extending InSAR2InSAR to Sentinel-1 Data » in IEEE Geoscience and Remote Sensing Letters, vol. 22, pp. 1-5, 2025, Art no. 4008105

[2] SAR2SAR: a semi-supervised despeckling algorithm for SAR imagesEmanuele Dalsasso, Loïc Denis, Florence Tupin, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, In press, pp.1-1. ⟨10.1109/JSTARS.2021.3071864⟩

[3] POLSAR2POLSAR: A SEMI-SUPERVISED DESPECKLING ALGORITHM FOR POLARIMETRIC SAR IMAGES Cristiano Ulondu Mendes, Emanuele Dalsasso, Yi Zhang, Loïc Denis, Florence Tupin ISPRS Journal of Photogrammetry and Remote Sensing, 2025, 220 (0924-2716), pp.783-798

1. The TOPS acquisition mode of Sentinel-1 (a mission by the ESA – European Space Agency) results in an overlap of the acquired images (burst overlap). The interferogram created from the two images (first and second acquisitions) is therefore observed twice in the burst overlap: once in the "top" view and once in the "bottom" view, with independent noise realizations. These can be used to train a neural network. — Le mode d’acquisition TOPS de Sentinel-1 (mission de l’ESA – Agence Spatiale Européenne) entraîne un recouvrement des images acquises (burst overlap) ; l’interférogramme créé à partir des deux images (première et seconde acquisitions) est donc vu deux fois dans le burst overlap, une fois en vue « top » et une fois en vue « bottom » avec des réalisations du bruit indépendantes qui peuvent être utilisées pour entraîner un réseau de neurones.