Centre de documentation
scientifique

Use of satellite image classifications to update and enhance a land cover database / Mohamed Touiti (2018) 

Public Titre : Use of satellite image classifications to update and enhance a land cover database Type de document : Mémoire Auteurs : Mohamed Touiti, Auteur ; Arnaud Le Bris , Encadrant Editeur : Tunis [Tunisie] : Ecole nationale d'ingénieurs de Carthage Année de publication : 2018 Importance : 90 p. Note générale : bibliographie End of study project report, Software Engineering Training, Cycle Major : Information Systems Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] classification dirigée [Termes IGN] classification non dirigée [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] détection de changement [Termes IGN] fusion d'images [Termes IGN] image Sentinel-MSI [Termes IGN] image SPOT 6 [Termes IGN] OpenCV [Termes IGN] Python (langage de programmation) Résumé : (auteur) L’équipe MATIS du Laboratoire LaSTIG de l’Institut National de l’Information Géo graphique et Forestière (IGN) mène depuis plusieurs années des activités de recherches dans le domaine de la classification de données de télédétection pour l’occupation des sols (OCS), en zones urbaines et rurales. Avec l’arrivée des nouveaux capteurs Sentinel S1 (radar) et Sentinel S2 (optique), des séries temporelles d’images sont désormais disponibles gratuitement avec une forte résolution temporelle (entre 10 et 15 jours) et une forte résolution spectrale pour les images optiques. Par ailleurs, le territoire français fait également l’objet d’une couverture annuelle par des images à très haute résolution spatiale des satellites SPOT 6/7. Dans l’objectif de couvrir l’ensemble du territoire français par la cartographie de la couverture du sol à travers la classification sémantique des images de télédétection, ce stage a pour objectif de contribuer au processus de mise à jour des bases de données de couverture du sol et de fournir un outil fiable pour détecter les changements entre la base de données d’occupation du sol et les classifications d’images SPOT6 et Sentinel-2. Dans cette étude, nous avons implémenté et testé deux approches différentes pour la détection des changements, en utilisant la fusion et la régularisation des classifications individuelles des images satellites Sentinel-2 et SPOT-6. La fusion d’images multispectrales à très haute résolution spatiale avec des séries temporelles d’images à faible résolution spatiale avec un nombre élevé de bandes pourrait améliorer la classification de la couverture terrestre, en combinant les avantages géométriques et sémantiques des deux sources. La première approche est une approche non supervisée sur laquelle nous avons appliqué une classification non supervisée et une régularisation afin de lisser le bruit et de nous donner des résultats plus attrayants visuellement. Cela pourrait aussi donner une classification binaire (classe / pas de classe) alors nous nous sommes concentrés sur la classe "bâtiments", c’est la classe la plus fréquemment changée. Ainsi, nous avons obtenu une classification binaire des bâtiments/non-bâtiments considérés comme nos résultats et avons atteint une exhaustivité de 75% avec une exactitude proche de 70%, mais il existe une certaine confusion dans les zones surpeuplées. La seconde approche consiste en une approche supervisée dans laquelle nous avons utilisé un réseau de neurones convolutif pour détecter les changements. Ainsi, nous avons obtenu des résultats bien meilleurs, avec une précision de 94,95%, même si des améliorations de l’architecture pourraient être nécessaires pour obtenir des résultats satisfaisants. Note de contenu : General introduction 1- The general context 2- State of the art 3- Study areas ad data 4- Change detection 5- CNN for change detection General conclusion Numéro de notice : 17320 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Mémoire ingénieur Organisme de stage : LaSTIG (IGN) DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98343

Documents numériques

peut être téléchargé Use of satellite image classifications ... - pdf auteur Adobe Acrobat PDF