Traitement d'image opérationnel — stabilisation, tracking, ATR, fusion, IA
Ce que fait l'électronique après le détecteur : stabiliser, suivre, détecter automatiquement, fusionner les capteurs — et ce que l'IA embarquée change vraiment.
La valeur ajoutée logicielle
Le détecteur produit des photons convertis en comptes ; le traitement transforme ces comptes en information exploitable : image stabilisée, cible détectée, piste tenue. Sur les systèmes modernes, le traitement pèse autant que l'optique dans la performance perçue — et il évolue vite (IA). Un officier de marque doit savoir ce qu'un algorithme peut et ne peut pas faire.
1. Correction et amélioration d'image
En amont de tout (fiche A4) : NUC (non-uniformité), correction des pixels défectueux, linéarisation. Puis l'amélioration :
- AGC / égalisation d'histogramme : adapter la dynamique à l'écran — attention, un AGC agressif tue le contraste utile et fait « pomper » l'image.
- Sharpening / edge enhancement : amplifie les hautes fréquences — améliore la perception mais amplifie le bruit ; à évaluer (un sharpening fort peut artificiellement « améliorer » une MRTD mesurée).
- Débruitage spatio-temporel : moyenner (fiche A3) ou filtres adaptatifs — gain SNR au prix de flou/résidu de mouvement (ghosting).
2. Stabilisation image
Sur porteur mobile, l'image bouge — la stabilisation la recale :
- Mécanique (gyroscopique) : la plateforme optique est stabilisée inertiellement — qualité supérieure, coût/volume élevé (vues de véhicules, boules optroniques). Jitter résiduel specifié en µrad.
- Électronique (digital) : recalage image par estimation du mouvement (bloc-matching, features) + déplacement de fenêtre — pas de mécanique, mais perte de champ bord et latence.
- Mixte : mécanique grossière + électronique fine — standard des boules modernes.
Exigence type : jitter résiduel < 0,3–0,5 × IFOV — au-delà, la MTF de bougé dégrade les hautes fréquences (fiche B4).
3. Tracking — tenir la piste
Le tracker verrouille une cible et fournit sa position image à chaque trame — entrée de la conduite de tir et de la désignation.
- Centroid : centre de masse des pixels au-dessus du seuil — simple, rapide, fragile (perdu si occlusion/contraste faible).
- Corrélation / template matching : compare la fenêtre à un modèle de la cible — robuste au bruit, dérive si la cible change d'aspect.
- Feature-based (KLT, points caractéristiques) : suit des points saillants — bon sur textures, moins sur cibles uniformes.
- Detection-based (IA) : le tracker re-détecte chaque trame (track-by-detection) — robuste à la dérive, coûteux en calcul.
Filtre de Kalman — lisser la piste
La position bruitée du tracker est lissée par un filtre de Kalman : modèle de mouvement (vitesse quasi-constante) + mesures → estimation optimale de position/vitesse. Équations (forme discrète) :
$$\hat x_{k|k-1} = F\,\hat x_{k-1}, \quad P_{k|k-1} = F P_{k-1} F^T + Q$$ $$K = P_{k|k-1}H^T(H P_{k|k-1}H^T + R)^{-1}, \quad \hat x_k = \hat x_{k|k-1} + K(z_k - H\hat x_{k|k-1})$$
Lecture : on prédit la position (modèle F), on corrige par la mesure z via le gain K qui pondère selon les incertitudes (P état, R mesure, Q modèle). Le Kalman permet de tenir la piste pendant une occlusion courte (prédiction seule) — capacité spécifiée (« track-through X ms d'occultation »).
4. ATR — détection et identification automatiques
L'ATR (Automatic Target Recognition) automatise ce que l'observateur fait : trouver et classer les cibles.
- Détection : CFAR (fiche A4) → candidats. Sur IR : recherche de blobs chauds, gradients, anomalies spectrales.
- Classification : règles (taille, forme, aspect ratio) ou ML — distinguer véhicule/homme/faune/fausse alarme.
- Reconnaissance : identification de type — le domaine de l'apprentissage profond (CNN) : réseaux entraînés sur banques d'images annotées.
En évaluation : une ATR se mesure par Pd/Pfa en conditions définies — courbe ROC (Pd vs Pfa) sur jeu de test représentatif. Pièges : jeu de test trop proche de l'entraînement (surapprentissage), conditions non représentatives, classes déséquilibrées. Exiger la matrice de confusion et la performance par condition (jour/nuit, météo, aspect).
5. Fusion multi-capteurs
Combiner EO/IR/I²/visible pour dépasser chaque capteur seul (fiches A4, B7) :
- Fusion pixel : après recalage géométrique précis (homographie) — combine les images par bandes fréquentielles.
- Fusion feature/décision : chaque capteur détecte, les détections sont associées — plus robuste aux défauts de recalage.
- Gain réel : la fusion n'a de valeur que si elle apporte de l'information complémentaire mesurable (IR voit la signature, EO donne la texture/identification) — évaluer le gain d'identification, pas l'esthétique.
6. L'IA embarquée — ce qui change
- CNN/transformers : classification et détection à performance proche humaine sur classes connues — mais fragiles hors distribution (camouflage, aspect inhabituel, conditions rares).
- Edge computing : l'IA tourne embarqué (GPU/NPU faible consommation) — contrainte SWaP-C réelle sur drone/véhicule.
- Données : la performance dépend du dataset — accès à des banques d'images militaires annotées est le verrou (souveraineté des données d'entraînement).
- Explicabilité & robustesse : pour un usage d'engagement, la confiance dans la décision algo est un sujet (cible confirmée par l'homme — l'humain reste dans la boucle).
- Spoofing/adversarial : des motifs peuvent tromper une ATR — surface d'attaque à considérer en évaluation.
7. Ce qu'il faut retenir
- Le traitement pèse autant que l'optique dans la performance perçue ; évaluer la chaîne complète.
- Stabilisation : mécanique (qualité) vs électronique (SWaP) ; jitter < fraction d'IFOV.
- Tracking : tracker + filtre de Kalman ; spécifier le track-through en occlusion.
- ATR : mesurer Pd/Pfa sur jeu représentatif ; méfiance surapprentissage.
- IA embarquée : performance réelle mais dépendance au dataset et fragilité hors-distribution ; l'homme reste dans la boucle.
Pour aller plus loin : D (systèmes réels intégrant ces traitements), C2 (modèles où le traitement est une entrée). Exercices bloc C : Kalman simplifié, courbes ROC, choix de tracker.