Fusion multiniveau pour la classification d'images de télédétection à très haute résolution spatiale

• Main Author: Ursani, Ahsan Ahmad
• Language: English
• Published: INSA de Rennes 2010
• Subjects: [SDE:IE] Environmental Sciences/Environmental Engineering; [SDE:IE] Sciences de l'environnement/Ingénierie de l'environnement; [SPI:SIGNAL] Engineering Sciences/Signal and Image processing; [SPI:SIGNAL] Sciences de l'ingénieur/Traitement du signal et de l'image; [INFO:INFO_TS] Computer Science/Signal and Image Processing; [INFO:INFO_TS] Informatique/Traitement du signal et de l'image; Télédétection; Gestion de l'environnement; Fusion d'images; Analyse de textures
• Online Access: http://tel.archives-ouvertes.fr/tel-00922645; http://tel.archives-ouvertes.fr/docs/00/92/26/45/PDF/KK_TheseAhsan.pdf

La télédétection s'avère être une discipline aux nombreuses applications telles que, la défense du territoire, la planification urbaine, la santé et la gestion de l'environnement. La collecte d'informations statistiques sur le rendement des cultures dans un pays, est une tâche importante de la télédétection. L'acquisition et le traitement d'images satellitaires à très haute résolution (THR) fournissent les moyens d'accomplir de telles tâches. Le traitement de ces images satellitaires exige non seulement de la puissance de calcul mais aussi les algorithmes efficaces en segmentation et classification d'images. Cette thèse présente un travail de mise en œuvre de traitements efficaces en analyse, dans le domaine spectral et celui de la texture, sur des images à très haute résolution (THR). Ce travail combine les résultats de ces deux analyses pour une classification améliorée du couvert végétal. L'analyse spectrale présentée ici s'appuie sur une classification non supervisée, tandis que l'analyse de texture adopte une procédure de classification supervisée. La fusion des informations de type contour, issues de l'analyse spectrale non supervisée, et des informations de type bloc, issues de l'analyse texturale supervisée, conduit à des résultats de classification intéressants et encourageants. En guise d'application, la thèse étudie le cas d'un site comportant vergers, cultures maraîchères, vignes, forêts, jachères de la région de Nîmes en France. La contribution apportée ici concerne, d'une part, une amélioration de la méthode des " k-means ", d'autre part, une solution à l'invariance en rotation des caractéristiques texturales issues d'une transformée de Fourier discrète, et enfin une méthode de fusion d'une classification supervisée avec une classification non supervisée.