Détail de l'auteur
Auteur Marie Lauginie Lienou |
Documents disponibles écrits par cet auteur (1)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externes
Apprentissage automatique des classes d'occupation du sol et représentation en mots visuels des images satellitaires / Marie Lauginie Lienou (2009)
Titre : Apprentissage automatique des classes d'occupation du sol et représentation en mots visuels des images satellitaires Type de document : Thèse/HDR Auteurs : Marie Lauginie Lienou, Auteur ; Henri Maître, Directeur de thèse Editeur : Paris [France] : Télécom ParisTech Année de publication : 2009 Importance : 190 p. Format : 21 x 30 cm Note générale : bibliographie
thèse de doctorat présentée pour obtenir le grade de docteur de l'Ecole Télécom ParisTech, spécialité Traitement du Signal et des ImagesLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse du discours
[Termes IGN] carte d'occupation du sol
[Termes IGN] classe d'objets
[Termes IGN] classification dirigée
[Termes IGN] classification non dirigée
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] image Quickbird
[Termes IGN] image SPOTIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La reconnaissance de la couverture des sols à partir de classifications automatiques est l'une des recherches méthodologiques importantes en télédétection. Par ailleurs, l'obtention de résultats fidèles aux attentes des utilisateurs nécessite d'aborder la classification d'un point de vue sémantique. Cette thèse s'inscrit dans ce contexte, et vise l'élaboration de méthodes automatiques capables d'apprendre des classes sémantiques définies par des experts de la production des cartes d'occupation du sol, et d'annoter automatiquement de nouvelles images à l'aide de cette classification. A partir des cartes issues de la classification CORINE Land Cover, et des images satellitaires multispectrales ayant contribué à la constitution de ces cartes, nous montrons tout d'abord que si les approches classiques de la littérature basées sur le pixel ou la région sont suffisantes pour identifier les classes homogènes d'occupation du sol telles que les champs, elles peinent cependant à retrouver les classes de haut-niveau sémantique, dites de mélange, parce qu'étant composées de différents types de couverture des terres. Pour détecter de telles classes complexes, nous représentons les images sous une forme particulière basée sur les régions ou objets. Cette représentation de l'image, dite en mots visuels, permet d'exploiter des outils de l'analyse de textes qui ont montré leur efficacité dans le domaine de la fouille de données textuelles et en classification d'images multimédia. A l'aide d'approches supervisées et non supervisées, nous exploitons d'une part, la notion de compositionnalité sémantique, en mettant en évidence l'importance des relations spatiales entre les mots visuels dans la détermination des classes de haut-niveau sémantique. D'autre part, nous proposons une méthode d'annotation utilisant un modèle d'analyse statistique de textes : l'Allocation Dirichlet Latente. Nous nous basons sur ce modèle de mélange, qui requiert une représentation de l'image dite en sacs-de-mots visuels, pour modéliser judicieusement les classes riches en sémantique. Les évaluations des approches proposées et des études comparatives menées avec les modèles gaussiens et dérivés, ainsi qu'avec le classificateur SVM, sont illustrées sur des images SPOT et QuickBird entre autres. Numéro de notice : 19932 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : thèse de doctorat : Traitement du signal et des images : Paris : 2009 nature-HAL : Thèse DOI : sans En ligne : https://tel.hal.science/pastel-00005585/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86245 Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 19932-01 K317 Livre LASTIG Dépôt en unité Exclu du prêt