Centre dedocumentation
scientifique

Multi-temporal image change mining based on evidential conflict reasoning / Fatma Haouas in ISPRS Journal of photogrammetry and remote sensing, vol 151 (May 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 151 (May 2019) . - pp 59 - 75 Titre : Multi-temporal image change mining based on evidential conflict reasoning Type de document : Article/Communication Auteurs : Fatma Haouas, Auteur ; Basel Solaiman, Auteur ; Zouhour Ben Dhiaf, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 59 - 75 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] conflit d'intégration [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] image Landsat [Termes descripteurs IGN] image multitemporelle [Termes descripteurs IGN] raisonnement spatial [Termes descripteurs IGN] théorie de Dempster-Shafer [Termes descripteurs IGN] visibilité spatio-temporelle Résumé : (Auteur) Change detection monitoring on multi-temporal remote sensed images is a persistent methodological challenge where the Dempster-Shafer, or evidence, Theory (DST) has been often applied. This paper presents a new method based on the use of DST for mining bi-temporal remotely sensed images change. The main idea is based on the investigation, analysis and interpretation of different types of conflict between two bi-temporal mass distributions. The reasoning process is focused on the conflict significance and its “partial” causes. In fact, the global conflict that occurs during the joint exploitation of multi-temporal images gives general and non-sufficiently concise information. However, the partial conflict provides rich and important information with regards to the disagreement between knowledge sources. For computing the partial conflict between focal elements, the geometric representation of mass distributions is exploited. The obtained conflict measures, caused by change, are analyzed latter by a new algorithm for drifting binary change map and identifying change directions. The effectiveness and reliability of the proposed approach are shown through experimentations on simulated changed images as well as using multi-temporal Landsat satellite images where qualitative criteria as well as quantitative measures are applied. The performances of the proposed approach, in terms of changed area recognition, are compared to three different and widely used conflict measures: the Empty-set mass, the Jousselme’s distance and the Cosine measure. It is shown that the developed change detection approach outperforms these conflict measures. Numéro de notice : A2019-204 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.02.018 date de publication en ligne : 13/03/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.02.018 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92667 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019051	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2019053	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019052	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Segmentation d'image par intégration itérative de connaissances / Mahaman Sani Chaibou Salaou (2019)  

Public contenu dans HAL Hyper articles en ligne / Centre pour la Communication Scientifique Directe CCSD (2000)   Titre : Segmentation d'image par intégration itérative de connaissances Type de document : Thèse/HDR Auteurs : Mahaman Sani Chaibou Salaou, Auteur ; Basel Solaiman, Directeur de thèse ; Mohamed Ali Mahjoub, Directeur de thèse Editeur : Institut Mines-Télécom Atlantique - IMT Année de publication : 2019 Autre Editeur : Université Bretagne Loire Importance : 148 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de Doctorat de l'Ecole Nationale Supérieure Mines - Telecom Atlantique Bretagne Pays de la Loire, Spécialité : Signal, Image et Vision Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] classification basée sur les régions [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] description multiniveau [Termes descripteurs IGN] détection de région [Termes descripteurs IGN] fusion de données [Termes descripteurs IGN] interprétation automatique [Termes descripteurs IGN] réseau neuronal artificiel [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] superpixel [Termes descripteurs IGN] zone d'intérêt Résumé : (auteur) Le traitement d’images est un axe de recherche très actif depuis des années. L’interprétation des images constitue une de ses branches les plus importantes de par ses applications socio-économiques et scientifiques. Cependant cette interprétation, comme la plupart des processus de traitements d’images, nécessite une phase de segmentation pour délimiter les régions à analyser. En fait l’interprétation est un traitement qui permet de donner un sens aux régions détectées par la phase de segmentation. Ainsi, la phase d’interprétation ne pourra analyser que les régions détectées lors de la segmentation. Bien que l’objectif de l’interprétation automatique soit d’avoir le même résultat qu’une interprétation humaine, la logique des techniques classiques de ce domaine ne marie pas celle de l’interprétation humaine. La majorité des approches classiques d’interprétation d’images séparent la phase de segmentation et celle de l’interprétation. Les images sont d’abord segmentées puis les régions détectées sont interprétées. En plus, au niveau de la segmentation les techniques classiques parcourent les images de manière séquentielle, dans l’ordre de stockage des pixels. Ce parcours ne reflète pas nécessairement le parcours de l’expert humain lors de son exploration de l’image. En effet ce dernier commence le plus souvent par balayer l’image à la recherche d’éventuelles zones d’intérêts. Dans le cas échéant, il analyse les zones potentielles sous trois niveaux de vue pour essayer de reconnaitre de quel objet s’agit-il. Premièrement, il analyse la zone en se basant sur ses caractéristiques physiques. Ensuite il considère les zones avoisinantes de celle-ci et enfin il zoome sur toute l’image afin d’avoir une vue complète tout en considérant les informations locales à la zone et celles de ses voisines. Pendant son exploration, l’expert, en plus des informations directement obtenues sur les caractéristiques physiques de l’image, fait appel à plusieurs sources d’informations qu’il fusionne pour interpréter l’image. Ces sources peuvent inclure les connaissent acquises grâce à son expérience professionnelle, les contraintes existantes entre les objets de ce type d’images, etc. L’idée de l’approche présentée ici est que simuler l’activité visuelle de l’expert permettrait une meilleure compatibilité entre les résultats de l’interprétation et ceux de l’expert. Ainsi nous retenons de cette analyse trois aspects importants du processus d’interprétation d’image que nous allons modéliser dans l’approche proposée dans ce travail : 1. Le processus de segmentation n’est pas nécessairement séquentiel comme la plus part des techniques de segmentations qu’on rencontre, mais plutôt une suite de décisions pouvant remettre en cause leurs prédécesseurs. L’essentiel étant à la fin d’avoir la meilleure classification des régions. L’interprétation ne doit pas être limitée par la segmentation. 2. Le processus de caractérisation d’une zone d’intérêt n’est pas strictement monotone i.e. que l’expert peut aller d’une vue centrée sur la zone à vue plus large incluant ses voisines pour ensuite retourner vers la vue contenant uniquement la zone et vice-versa. 3. Lors de la décision plusieurs sources d’informations sont sollicitées et fusionnées pour une meilleure certitude. La modélisation proposée de ces trois niveaux met particulièrement l’accent sur les connaissances utilisées et le raisonnement qui mène à la segmentation des images. Note de contenu : Introduction générale 1- Segmentation pour l’interprétation de scène 2- Segmentation par propagation des connaissances 3- Croissance des régions adaptative 4- Similarité des superpixels par apprentissage Conclusions Numéro de notice : 25840 Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Spécialité : Signal, Image et Vision : Brest : 2019 En ligne : https://tel.archives-ouvertes.fr/tel-02310224 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95181