Thèse en sciences de la Terre, soutenue le 14 mars 2024 par Zhang Chongmin, rattaché à l’Institut des sciences de la Terre (ISTE) de la FGSE.
Le radar à pénétration de sol (GPR) est un outil géophysique populaire pour l’exploration près de la surface grâce à son potentiel d’imagerie à haute résolution dans les milieux géologiques électriquement résistifs. La reconstruction des traces manquantes constitue un défi courant dans le traitement des données de GPR de réflexion, l’objectif final étant d’obtenir un ensemble de données à haute résolution régulièrement échantillonné qui puisse être correctement migré, visualisé et interprété. Dans la pratique, les besoins sont généralement au nombre de trois :
- le comblement des lacunes ;
- la régularisation de l’espacement des traces ;
- la densification des traces.
Ce dernier besoin est plus évident dans la collecte de données 3D GPR, où un compromis est souvent fait, favorisant la couverture des données au détriment de la qualité des données.
Dans cette thèse de doctorat, trois nouvelles techniques de reconstruction GPR basées sur les statistiques de points multiples (MPS) et l’apprentissage profond (DL) sont proposées. Plus précisément, dans le premier projet, je présente une stratégie de reconstruction de profils 2D GPR basée sur un algorithme MPS récemment développé, appelé Quick Sampling (QS). Dans le deuxième projet, je m’appuie sur l’approche basée sur QS développée dans le premier projet pour mettre au point une méthode de densification des données de GPR en domaine 3D. Dans le dernier projet, j’ai abordé le problème de la densification des données 3D GPR d’un point de vue différent en utilisant les réseaux antagonistes génératifs.
Ces trois techniques s’appuient sur des données d’entraînement pour obtenir des informations détaillées sur le caractère des structures de réflexion attendues dans le sous-sol, qui sont exploitées pour obtenir des résultats très réalistes, même en présence de repliement spatial. L’application réussie de ces techniques est observée dans les données GPR de terrain et synthétiques. Dans l’ensemble, je conclus que l’utilisation des approches MPS et DL de pointe est très prometteuse pour la reconstruction des traces de GPR manquantes.
