Titre : |
Semi-automatic rural land cover classification from high-resolution remote sensing images = Classification semi-automatique du terrain en zone rurale par télédétection à haute résolution |
Type de document : |
Thèse/HDR |
Auteurs : |
Roger Trias-Sanz , Auteur ; Jean Louchet, Directeur de thèse ; Georges Stamon, Directeur de thèse |
Editeur : |
Paris : Université de Paris 5 René Descartes |
Année de publication : |
2006 |
Importance : |
374 p. |
Format : |
21 x 30 cm |
Note générale : |
Bibliographie
Thèse de doctorat |
Langues : |
Anglais (eng) |
Descripteur : |
[Vedettes matières IGN] Traitement d'image optique [Termes IGN] carte d'occupation du sol [Termes IGN] classification [Termes IGN] fiabilité des données [Termes IGN] image aérienne [Termes IGN] image en couleur [Termes IGN] indicateur de qualité [Termes IGN] milieu rural [Termes IGN] occupation du sol [Termes IGN] parcelle agricole [Termes IGN] parcelle cadastrale [Termes IGN] recalage d'image [Termes IGN] segmentation d'image
|
Index. décimale : |
THESE Thèses et HDR |
Résumé : |
(Auteur) De nombreux travaux d'analyse d'image ont été et continuent d'être menés pour tenter de déterminer automatiquement l'occupation du sol en milieu rural, mais aucun n'a encore produit de résultats assez fiables pour être exploitables dans une chaîne de production industrielle. L'Institut Géographique National français (IGN) s'intéresse à la classification automatique du terrain pour accélérer la production de cartes topographiques à grande échelle. Le contexte à l'IGN est, cependant, différent de celui de la plupart des recherches dans la classification automatique : D'abord, on dispose d'images numériques à très haute résolution spatiale (50cm par pixel), mais ces images sont à faible résolution spectrale (canaux rouge, vert, bleu et, dans certains cas, proche-infrarouge), ce qui rend impossible l'utilisation de techniques classiques de classification de données hyperspectrales. De plus, on dispose des données cadastrales, qu'on peut utiliser pour obtenir une information grossière de la position des champs. Finalement, l'IGN n'est pas particulièrement intéressé à obtenir des classifications automatiques de qualité moyenne sur l'ensemble du territoire, classifications qui devraient être vérifiées, à grand coût en temps, par un photo-interprète. Par contre, l'IGN voudrait obtenir une classification de très haute qualité, même si c'est sur seulement une partie du territoire, car cette classification n'aurait pas à être vérifiée manuellement, et les photo-interprètes pourraient concentrer leur temps à classer la partie restante. Dans cette thèse, je présente une chaîne d'analyse d'image qui, à partir d'images numériques à haute résolution et à trois ou quatre canaux (50 cm, couleur et, dans certains cas, proche infrarouge), mais aussi en m'appuyant sur le parcellaire cadastral, rend une segmentation des images en parcelles agraires (champs, forêts, vignes, ...), et une classification de celles-ci, avec une très haute fiabilité, et attribue à chaque segment classifié une mesure qui indique la confiance que le système a en cette classification. Une phase initiale de segmentation hiérarchique de l'image, qui utilise un espace de couleur, des paramètres de texture, et des critères de forme adaptés à la segmentation de parcelles agraires, permet de recaler le cadastre sur l'image, produisant des régions grandes et en général homogènes. Ce recalage permet aussi d'utiliser le système pour la mise à jour de classifications anciennes. Ensuite, chacune de ces régions de cadastre recalées .ou, si les données cadastrales ne sont pas disponibles, des petites régions issues d'une segmentation par ligne de partage des eaux. est classifiée au moyen de nouveaux algorithmes probabilistes de classification par régions qui, à la différence des algorithmes classiques par pixels, ne produisent pas du bruit poivre-et-sel, et qui génèrent aussi une mesure de confiance pour chaque région classifiée. Les régions classifiées avec une trop faible confiance peuvent ensuite, selon les besoins de l'application, être rejetées et classifiées manuellement par des photo-interprètes. Ces algorithmes doivent être entraînés auparavant à partir d'une vérité terrain définie manuellement. A la fin, on obtient une segmentation de l'image en parcelles agraires homogènes, une classification de celles-ci, et des indicateurs de confiance sur chaque partie de la segmentation, ce qui permet à un photo-interprète de réaliser les corrections nécessaires et de concentrer son temps limité sur les zones qui plus vraisemblablement contiennent des erreurs. |
Note de contenu : |
1 Introduction
2 Literature review
2.1 Colour, texture, and shape
2.2 Segmentation
2.3 Registration
2.4 Classification
2.5 Data fusion, decision
2.6 Optimization methods
2.7 Complete systems
3 Image segmentation
3.1 Hierarchical segmentation
3.2 Segmentation energy
3.3 Evaluating the quality of a multiscale segmentation
3.4 Choosing the best segmentation parameters
3.5 Conclusion
4 Registration of external terrain partitions
4.1 Introduction
4.2 Image over-segmentation and input graphs
4.3 Edge-based registration algorithm
4.4 Region-based registration algorithm
4.5 Experiments and evaluation
4.6 Homogeneity tests
4.7 Discussion and conclusion
5 Classification
5.1 Introduction
5.2 Flat models
5.3 Nested models
5.4 Classification of nested models
5.5 Model estimation
5.6 Implementation details
5.7 Evaluation of the model estimation
5.8 Classification into forest and non-forest
5.9 Evaluation
5.10 Conclusion
6 Texture orientation and period estimation
6.1 Introduction
6.2 Algorithm
6.3 Watershed-based extrema detection
6.4 Evaluation
6.5 Conclusion
7 Conclusion
7.1 Land cover analysis
7.2 Contributions
7.3 Perspectives for future research
7.4 Concluding remarks |
Numéro de notice : |
10652 |
Affiliation des auteurs : |
MATIS (1993-2011) |
Thématique : |
IMAGERIE |
Nature : |
Thèse française |
Note de thèse : |
Thèse de doctorat : Mathématiques-Informatique : Paris 5 : 2006 |
Organisme de stage : |
MATIS (IGN) |
nature-HAL : |
Thèse |
DOI : |
sans |
Permalink : |
https://documentation.ensg.eu/index.php?lvl=notice_display&id=45143 |
| |