Étude comparative de quatre méthodes statistiques pour l’estimation conjointe de l’émissivité et de la température par thermographie infrarouge multispectrale

Thibaud Toullier², Jean Dumoulin^1, ⋆, Laurent Mevel^3
⋆ : jean.dumoulin@ifsttar.fr
¹ Ifsttar, ² Inria-Ifsttar, ³ Inria
Mots clés : Estimation Température et Emissivité, Krigeage, Méthodes Bayesiennes, Thermographie infrarouge multispectrale
Résumé :

Les récentes avancées technologiques réalisées sur les détecteurs infrarouges non-refroidis offrent de nouvelles opportunités pour estimer la température par une mesure sans contact, notamment dans le cadre de la surveillance thermique long terme des structures de génie civil en environnement naturel. Cependant, l’estimation de la température par thermographie infrarouge se heurte au manque de connaissance des propriétés radiatives des objets observés et en particulier l’émissivité. Ainsi, le système d’équations physiques mène à un système sous-déterminé de N + 1 équations pour N inconnues. La résolution du problème de séparation d’émissivité et de température ne peut alors pas se faire sans l’ajout d’informations ou d’hypothèses simplificatrices a priori [1]. Cette étude s’intéresse à la comparaison de quatre méthodes statistiques pour l’estimation conjointe de l’émissivité et de la température [2]. Pour tester ces méthodes, une cible constituée de matériaux dont les propriétés radiatives sont connues est simulée à l’aide d’un logiciel de simulation d’échange radiatifs.

La première méthode MCMC (Monte-Carlo par Chaînes de Markov), qui est une métaheuristique, a été implémentée à partir de travaux de la littérature. Les résultats obtenus permettent de retrouver le profil d’émissivité spectrale et la température. Toutefois, le temps de calcul et le nombre d’itérations nécessaires sont conséquents à l’échelle d’un pixel. Pour lever ce vérou, une méthode d’optimisation globale (CMA-ES) a été étudiée et mise en oeuvre en supposant une température homogène sur un voisinage de pixels. Les résultats obtenus bien que dégradés en terme d’estimation permettent d’étendre cette approche à l’image entière. Néanmoins, ces deux premières méthodes sont par construction peu adaptées au traitement de séquences d’images thermiques dans le cadre de la surveillance thermique long-terme.

Les équations ont alors été reformulées sous forme compagne, permettant de mettre en place un filtre de Kalman particulaire en intéraction (IPKF). La température est alors estimée et suivie au cours du temps par un filtre de Kalman tandis que les paramètres du modèles (dont l’émissivité) sont estimés par un filtre particulaire. Les résultats obtenus pour un pixel s’approchent de ceux obtenus avec la méthode MCMC mais avec un suivi de l’évolution temporelle de la température. Toutefois, la méthode IPKF est repose sur une hypothèse de bandes spectrales étroites et son coût en calcul reste encore important pour une séquence d’images. Pour s’affranchir de cette hypothèse de bandes étroites et accroître les performances en calcul, nous introduisons une étape de Krigeage à la méthode IPKF afin d’exploiter conjointement la caractéristique long-terme et spatiale du signal (KIPKF). Un gain significatif est obtenu au niveauu temps de calcul tout en conservant des performances en estimation proches de celles de la méthode CMA-ES. Une discussion sur les résultats obtenus par ces différentes méthodes est proposée ainsi que des perspectives.

 [1] Jean-Claude Krapez. Radiative Measurements of Temperature. In Thermal Measurements and Inverse Techniques, Heat Transfer. CRC Press, Boca Raton, FL, 2011. OCLC : ocn587104377.

 [2] Thibaud Toullier. Simultaneous Characterization of Objects Temperature and Radiative Properties through Multispectral Infrared Ther- mography. PhD thesis, Université de Rennes 1, IFSTTAR - Nantes, 2019.

doi : https://doi.org/10.25855/SFT2020-087

PDF : download