Vous êtes ici : GIPSA-lab > Formation > Thèses soutenues
Chargement
FAUVEL Mathieu

Classification de zones urbaine ou télédétection satellitaire haute résolution Spectral and spatial methods for the classification of urban remote sensing data

 

Directeur de thèse :     Jocelyn CHANUSSOT

École doctorale : Electronique, electrotechnique, automatique, traitement du signal (eeats)

Spécialité : Signal, image, parole, télécoms

Structure de rattachement : Grenoble-INP

Établissement d'origine : INPG

Financement(s) : allocation MENRT

 

Date d'entrée en thèse : 01/09/2004

Date de soutenance : 28/11/2007

 

Composition du jury :
Henri Maitre, président
Gregoire Mercier, rapporteur
Sebastiano B. Serpcio, rapporteur
Albert Bijaoui, invité
Jordi Inglada invité
Johannes R. Sveinsson, invité
Jocelyn Chanussot, directeur
Jon A. Benediktsson, directeur

 

Résumé : Lors de ces travaux, nous nous sommes intéressés au problème de la classification supervisée d'images satellitaires de zones urbaines. Les données traitées sont des images optiques à très hautes résolutions spatiales: données panchromatiques à très haute résolution spatiale (IKONOS, QUICKBIRD, simulations PLEIADES) et des images hyperspectrales (DAIS, ROSIS). Deux stratégies ont été proposées : .La première stratégie consiste en une phase d'extraction de caractéristiques spatiales et spectrales suivie d'une phase de classification. Ces caractéristiques sont extraites par filtrages morphologiques : ouvertures et fermetures géodésiques et filtrages surfaciques auto-complémentaires. La classification est réalisée avec les machines à vecteurs supports (SVM)non linéaires. Nous proposons la définition d'un noyau spatio-spectral utilisant de manière conjointe l'information spatiale et l'information spectrale extraites lors de la première phase. .La seconde stratégie consiste en une phase de fusion de données pre- ou post-classification. Lors de la fusion post-classification, divers classifieurs sont appliqués, éventuellement sur plusieurs données issues d'une même scène (image panchromat ique, image multi-spectrale). Pour chaque pixel, l'appartenance à chaque classe est estimée à l'aide des classifieurs. Un schéma de fusion adaptatif permettant d''utiliser l''information sur la fiabilité locale de chaque classifieur, mais aussi l''information globale disponible a priori sur les performances de chaque algorithme pour les différentes classes, est proposé .Les différents résultats sont fusionnés à l'aide d'opérateurs flous. Les méthodes ont été validées sur des images réelles. Des améliorations significatives sont obtenues par rapport aux méthodes publiées dans la litterature.


GIPSA-lab, 11 rue des Mathématiques, Grenoble Campus BP46, F-38402 SAINT MARTIN D'HERES CEDEX - 33 (0)4 76 82 71 31