Centre de documentation
scientifique

Contributions à la segmentation non supervisée d'images hyperspectrales : trois approches algébriques et géométriques / Saadallah El Asmar (2016)  

Public Titre : Contributions à la segmentation non supervisée d'images hyperspectrales : trois approches algébriques et géométriques Type de document : Thèse/HDR Auteurs : Saadallah El Asmar, Auteur ; Michel Berthier, Directeur de thèse ; Carl Frélicot, Directeur de thèse Editeur : La Rochelle : Université de La Rochelle Année de publication : 2016 Importance : 96 p. Format : 21 x 30 cm Note générale : bibliographie Thèse pour l'obtention du grade de docteur de l'Université de La Rochelle, Mathématiques et Applications Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] analyse de groupement [Termes IGN] analyse spectrale [Termes IGN] appariement [Termes IGN] classification non dirigée [Termes IGN] classification par nuées dynamiques [Termes IGN] classification pixellaire [Termes IGN] codage [Termes IGN] géométrie de Riemann [Termes IGN] image hyperspectrale [Termes IGN] segmentation d'image [Termes IGN] similitude [Termes IGN] télédétection Index. décimale : THESE Thèses et HDR Résumé : (auteur) Depuis environ une dizaine d’années, les images hyperspectrales produites par les systèmes de télédétection, “Remote Sensing”, ont permis d’obtenir des informations très fiables quant aux caractéristiques spectrales de matériaux présents dans une scène donnée. Nous nous intéressons dans ce travail au problème de la segmentation non supervisée d’images hyperspectrales suivant trois approches bien distinctes. La première, de type Graph Embedding, nécessite deux étapes : une première étape d’appariement des pixels de patchs de l’image initiale grâce à une mesure de similarité spectrale entre pixels et une seconde étape d’appariement d’objets issus des segmentations locales grâce à une mesure de similarité entre objets. La deuxième, de type Spectral Hashing ou Semantic Hashing, repose sur un codage binaire des variations des profils spectraux. On procède à des segmentations par clustering à l’aide d’un algorithme de k-modes adapté au caractère binaire des données à traiter et à l’aide d’une version généralisée de la distance classique de Hamming. La troisième utilise les informations riemanniennes des variétés issues des différentes façons de représenter géométriquement une image hyperspectrale. Les segmentations se font une nouvelle fois par clustering à l’aide d’un algorithme de k-means. Nous exploitons pour cela les propriétés géométriques de l’espace des matrices symétriques définies positives, induites par la métrique de Fisher Rao. Note de contenu : 1- Introduction 2- Segmentation par similarité 3- Segmentation par codage binaire 4- Segmentation riemanienne 5- Conclusion Numéro de notice : 25821 Affiliation des auteurs : non IGN Thématique : IMAGERIE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Mathématiques et Applications : Université de La Rochelle : 2016 Organisme de stage : Laboratoire Mathématiques, Image et Applications nature-HAL : Thèse DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-01661468/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95094