Résumé : La détection des bâtiments dans les images à très haute résolution spatiale (THRS) a plusieurs applications pratiques et représente un domaine de recherche scientifique intensive ces dernières années. Elle fait face à la complexité du milieu urbain et aux spécificités des images provenant des différents capteurs. La performance des méthodes existantes pour l’extraction des bâtiments n’est pas encore suffisante pour qu’elles soient généralisées à grande échelle (différents types de tissus urbains et capteurs). Les opérateurs morphologiques se sont montrés efficaces pour la détection des bâtiments dans les images panchromatiques (images en niveaux de gris) à très haute résolution spectrale (THRS). L’information spectrale issue des images multispectrales est jugée nécessaire pour l’amélioration de leur performance. L’extension des opérateurs morphologiques pour les images multispectrales exige l’adoption d’une stratégie qui permet le traitement des pixels sous forme de vecteurs, dont les composantes sont les valeurs dans les différentes bandes spectrales. Ce travail de recherche vise l’application de la transformation morphologique dite Hit-or-Miss (HMT) à des images multispectrales à THRS, afin de détecter des bâtiments. Pour répondre à la problématique de l’extension des opérateurs morphologiques pour les images multispectrales, nous proposons deux solutions. Comme une première solution nous avons généré des images en niveaux de gris à partir les bandes multispectrales. Dans ces nouvelles images les bâtiments potentiels sont rehaussés par rapport à l’arrière-plan. La HMT en niveaux de gris est alors appliquée à ces images afin de détecter les bâtiments. Pour rehausser les bâtiments nous avons proposé un nouvel indice, que nous avons appelé Spectral Similarity Ratio (SSR). Pour éviter de définir des configurations, des ensembles d’éléments structurants (ES), nécessaires pour l’application de la HMT, au préalable, nous avons utilisé l’érosion et la dilatation floues et poursuivi la réponse des pixels aux différentes valeurs des ES. La méthode est testée sur des extraits d’images représentant des quartiers de type résidentiel. Le taux moyen de reconnaissance obtenu pour les deux capteurs Ikonos et GeoEye est de 85 % et de 80 %, respectivement. Le taux moyen de bonne identification, quant à lui, est de 85 % et 84 % pour les images Ikonos et GeoEye, respectivement. Après certaines améliorations, la méthode a été appliquée sur des larges scènes Ikonos et WorldView-2, couvrant différents tissus urbains. Le taux moyen des bâtiments reconnus est de 82 %. Pour sa part, le taux de bonne identification est de 81 %. Dans la deuxième solution, nous adoptons une stratégie vectorielle pour appliquer la HMT directement sur les images multispectrales. La taille des ES de cette transformation morphologique est définie en utilisant la transformation dite chapeau haut-de-forme par reconstruction. Une étape de post-traitement inclut le filtrage de la végétation par l’indice de la végétation NDVI et la validation de la localisation des bâtiments par l’information d’ombre. La méthode est appliquée sur un espace urbain de type résidentiel. Des extraits d’images provenant des capteurs satellitaires Ikonos, GeoEye et WorldView 2 ont été traités. Le taux des bâtiments reconnus est relativement élevé pour tous les extraits - entre 85 % et 97 %. Le taux de bonne identification démontre des résultats entre 74 % et 88 %. Les résultats obtenus nous permettent de conclure que les objectifs de ce travail de recherche, à savoir, la proposition d’une technique pour l’estimation de la similarité spectrale entre les pixels formant le toit d’un bâtiment, l’intégration de l’information multispectrale dans la HMT dans le but de détecter les bâtiments, et la proposition d’une technique qui permet la définition semi-automatique des configurations bâtiment/voisinage dans les images multispectrales, ont été atteints. // Abstract : Detection of buildings in very high spatial resolution images (THRS) has various practical applications and is recently a subject of intensive scientific research. It faces the complexity of the urban environment and the variety of image characteristics depending on the type of the sensor. The performance of existing building extraction methods is not yet sufficient to be generalized to a large scale (different urban patterns and sensors). Morphological operators have been proven effective for the detection of buildings in panchromatic (greyscale) very high spectral resolution (VHSR) images. The spectral information of multispectral images is jugged efficient to improve the results of the detection. The extension of morphological operators to multispectral images is not straightforward. As pixels of multispectral images are pixels vectors the components of which are the intensity values in the different bands, a strategy to order vectors must be adopted. This research thesis focuses on the application of the morphological transformation called Hit-or-Miss (HMT) on multispectral VHSR images in order to detect buildings. To address the issue of the extension of morphological operators to multispectral images we have proposed two solutions. The first one employs generation of greyscale images from multispectral bands, where potential buildings are enhanced. The grayscale HMT is then applied to these images in order to detect buildings. To enhance potential building locations we have proposed the use of Spectral Similarity Ratio (SSR). To avoid the need to set multiple configurations of structuring elements (SE) necessary for the implementation of the HMT, we have used fuzzy erosion and fuzzy dilation and examined the pixel response to different values of SE. The method has been tested on image subsets taken over residential areas. The average rate of recognition for the two sensors, Ikonos and GeoEye, is 85% and 80%, respectively. The average rate of correct identification is 85% and 84%, for Ikonos and GeoEye subsets, respectively. Having made some improvements, we then applied the method to large scenes from Ikonos and WorldView-2 images covering different urban patterns. The average rate of recognized buildings is 82%. The rate of correct identification is 81%. As a second solution, we have proposed a new vector based strategy which allows the multispectral information to be integrated into the percent occupancy HMT (POHMT). Thus, the POHMT has been directly applied on multispectral images. The parameters for the POHMT have been defined using the morphological transformation dubbed top hat by reconstruction. A post-processing step included filtering the vegetation and validating building locations by proximity to shadow. The method has been applied to urban residential areas. Image subsets from Ikonos, GeoEye and WorldView2 have been processed. The rate of recognized buildings is relatively high for all subsets - between 85% and 97%. The rate of correct identification is between 74 % and 88 %. The results allow us to conclude that the objectives of this research, namely, suggesting a technique for estimating the spectral similarity between the pixels forming the roof of a building, the integration of multispectral information in the HMT in order to detect buildings and the proposition of a semiautomatic technique for the definition of the configurations building/neighbourhood in multispectral images, have been achieved.

En épidémiologie, une connaissance précise des populations à risque constitue un pré requis aucalcul d'indicateurs de l’état de santé d’une communauté (taux d'incidence). Néanmoins, les effectifsde population peuvent être indisponibles, ou peu fiables, ou insuffisamment détaillés pour un usageépidémiologique.L'objectif principal de ce travail est d'obtenir des taux d'incidence en l'absence de donnéesdémographiques, à une échelle spatiale infra-communale. Les objectifs secondaires sont d'estimerles populations humaines par l'intermédiaire de données satellitaires à très haute résolution spatiale(THRS), d'évaluer l'apport de ces données THRS par rapport aux données à haute résolution spatiale(Landsat) dans un même cadre urbain (Besançon), et de mettre au point une méthodologie simple etrobuste, pour garantir son exportabilité à d'autres zones.Nous proposons une approche en trois étapes, fondée sur la corrélation existant entre la densité depopulation et la morphologie urbaine. La première étape consiste à extraire des bâtiments à partirdes données télédétection THRS. Ces bâtiments sont utilisés dans la deuxième étape pour modéliserla population. A leur tour, ces populations servent de dénominateur, lors de la dernière étape, pourcalculer des taux d’incidence (cancers). Des données de référence sont utilisées à chaque étape pourévaluer les performances de notre méthodologie.Les résultats obtenus soulignent le potentiel de la télédétection pour mesurer l'état de santé d'unecommunauté (sous la forme de taux bruts d’incidence) à une échelle géographique fine. Ces tauxd'incidence estimés peuvent alors constituer des éléments de décision pour mieux adapter l'offre desoins aux besoin de santé, même en l'absence de données démographiques / In epidemiology, a precise knowledge of populations at risk is a prerequisite for calculating state ofhealth indicators of a community (incidence rates). The population data, however, may beunavailable, unreliable, or insufficiently detailed for epidemiological use.The main objective of this research is to estimate incidence rates, in cases of absence of demographicdata, at an infra-communal scale. The secondary objectives are to estimate the human populationthrough satellite data at very high spatial resolution (VHSR), to assess the contribution of this data(VHSR) compared with high spatial resolution data (Landsat) in a same urban framework (Besançon),and to develop a simple and robust methodology to ensure its exportability to other areas.We proposed a three-step approach based on the correlation between population density and urbanmorphology. The first step is to extract buildings from VHSR imagery data. These buildings are thenused in the second step to model the population data. Finally, this population data is used as thedenominator to calculate incidence rates (cancers). Reference data are used at each step to assessthe performance of our methodology.The results obtained highlight the potential of remote sensing to measure the state of health of acommunity (in the form of crude incidence rates) at a fine geographical scale. These estimatedincidence rates can be utilized as elements of decision to adapt better customized healthcare withrespect to the health needs of a given community, even in the absence of demographic data

Notre recherche vise à évaluer l’apport d’une seule image polarimétrique RSO (Radar à Synthèse d’Ouverture) à haute résolution spatiale pour classifier les surfaces urbaines. Pour cela, nous définissons plusieurs types de toits, de sols et d’objets.Dans un premier temps, nous proposons un inventaire d’attributs statistiques, texturaux et polarimétriques pouvant être utilisés dans un algorithme de classification. Nous étudions les lois statistiques des descripteurs et montrons que la distribution de Fisher est bien adaptée pour la plupart d’entre eux. Dans un second temps, plusieurs algorithmes de classification vectorielle supervisée sont testés et comparés, notamment la classification par maximum de vraisemblance basée sur une distribution gaussienne, ou celle basée sur la distribution de Wishart comme modèle statistique de la matrice de cohérence polarimétrique, ou encore l’approche SVM. Nous proposons alors une variante de l’algorithme par maximum de vraisemblance basée sur une distribution de Fisher, dont nous avons étudié l’adéquation avec l’ensemble de nos attributs. Nous obtenons une nette amélioration de nos résultats avec ce nouvel algorithme mais une limitation apparaît pour reconnaître certains toits. Ainsi, la forme des bâtiments rectangulaires est reconnue par opérations morphologiques à partir de l’image d’amplitude radar. Cette information spatiale est introduite dans le processus de classification comme contrainte. Nous montrons tout l’intérêt de cette information puisqu’elle empêche la confusion de classification entre pixels situés sur des toits plats et des pixels d’arbre. De plus, nous proposons une méthode de sélection des attributs les plus pertinents pour la classification, basée sur l’information mutuelle et une recherche par algorithme génétique. Nos expériences sont menées sur une image polarimétrique avec un pixel de 35 cm, acquise en 2006 par le capteur aéroporté RAMSES de l’ONERA. / In this research, our aim is to assess the potential of a one single look high spatial resolution polarimetric radar image for the classification of urban areas. For that purpose, we concentrate on classes corresponding to different kinds of roofs, objects and ground surfaces.At first, we propose a uni-variate statistical analysis of polarimetric and texture attributes, that can be used in a classification algorithm. We perform a statistical analysis of descriptors and show that the Fisher distribution is suitable for most of them. We then propose a modification of the maximum likelihood algorithm based on a Fisher distribution; we train it with all of our attributes. We obtain a significant improvement in our results with the new algorithm, but a limitation appears to recognize some roofs.Then, the shape of rectangular buildings is recognized by morphological operations from the image of radar amplitude. This spatial information is introduced in a Fisher-based classification process as a constraint term and we show that classification results are improved. In particular, it overcomes classification ambiguities between flat roof pixels and tree pixels.In a second step, some well-known algorithms for supervised classification are used. We deal with Maximum Likelihood based on complex Gaussian distribution (uni-variate) and multivariate Complex Gaussian using coherency matrix. Meanwhile, the support vector machine, as a nonparametric method, is used as classification algorithm. Moreover, a feature selection based on Genetic Algorithm using Mutual Information (GA-MI) is adapted to introduce optimal subset to classification method. To illustrate the efficiency of subset selection based on GA-MI, we perform a comparison experiment of optimal subset with different target decompositions based on different scattering mechanisms, including the Pauli, Krogager, Freeman, Yamaguchi, Barnes, Holm, Huynen and the Cloude decompositions. Our experiments are based on an image of a suburban area, acquired by the airborne RAMSES SAR sensor of ONERA, in 2006, with a spatial spacing of 35 cm. The results highlight the potential of such data to discriminate some urban land cover types.

R??sum?? : La d??tection des b??timents dans les images ?? tr??s haute r??solution spatiale (THRS) a plusieurs applications pratiques et repr??sente un domaine de recherche scientifique intensive ces derni??res ann??es. Elle fait face ?? la complexit?? du milieu urbain et aux sp??cificit??s des images provenant des diff??rents capteurs. La performance des m??thodes existantes pour l???extraction des b??timents n???est pas encore suffisante pour qu???elles soient g??n??ralis??es ?? grande ??chelle (diff??rents types de tissus urbains et capteurs). Les op??rateurs morphologiques se sont montr??s efficaces pour la d??tection des b??timents dans les images panchromatiques (images en niveaux de gris) ?? tr??s haute r??solution spectrale (THRS). L???information spectrale issue des images multispectrales est jug??e n??cessaire pour l???am??lioration de leur performance. L???extension des op??rateurs morphologiques pour les images multispectrales exige l???adoption d???une strat??gie qui permet le traitement des pixels sous forme de vecteurs, dont les composantes sont les valeurs dans les diff??rentes bandes spectrales. Ce travail de recherche vise l???application de la transformation morphologique dite Hit-or-Miss (HMT) ?? des images multispectrales ?? THRS, afin de d??tecter des b??timents. Pour r??pondre ?? la probl??matique de l???extension des op??rateurs morphologiques pour les images multispectrales, nous proposons deux solutions. Comme une premi??re solution nous avons g??n??r?? des images en niveaux de gris ?? partir les bandes multispectrales. Dans ces nouvelles images les b??timents potentiels sont rehauss??s par rapport ?? l???arri??re-plan. La HMT en niveaux de gris est alors appliqu??e ?? ces images afin de d??tecter les b??timents. Pour rehausser les b??timents nous avons propos?? un nouvel indice, que nous avons appel?? Spectral Similarity Ratio (SSR). Pour ??viter de d??finir des configurations, des ensembles d?????l??ments structurants (ES), n??cessaires pour l???application de la HMT, au pr??alable, nous avons utilis?? l?????rosion et la dilatation floues et poursuivi la r??ponse des pixels aux diff??rentes valeurs des ES. La m??thode est test??e sur des extraits d???images repr??sentant des quartiers de type r??sidentiel. Le taux moyen de reconnaissance obtenu pour les deux capteurs Ikonos et GeoEye est de 85 % et de 80 %, respectivement. Le taux moyen de bonne identification, quant ?? lui, est de 85 % et 84 % pour les images Ikonos et GeoEye, respectivement. Apr??s certaines am??liorations, la m??thode a ??t?? appliqu??e sur des larges sc??nes Ikonos et WorldView-2, couvrant diff??rents tissus urbains. Le taux moyen des b??timents reconnus est de 82 %. Pour sa part, le taux de bonne identification est de 81 %. Dans la deuxi??me solution, nous adoptons une strat??gie vectorielle pour appliquer la HMT directement sur les images multispectrales. La taille des ES de cette transformation morphologique est d??finie en utilisant la transformation dite chapeau haut-de-forme par reconstruction. Une ??tape de post-traitement inclut le filtrage de la v??g??tation par l???indice de la v??g??tation NDVI et la validation de la localisation des b??timents par l???information d???ombre. La m??thode est appliqu??e sur un espace urbain de type r??sidentiel. Des extraits d???images provenant des capteurs satellitaires Ikonos, GeoEye et WorldView 2 ont ??t?? trait??s. Le taux des b??timents reconnus est relativement ??lev?? pour tous les extraits - entre 85 % et 97 %. Le taux de bonne identification d??montre des r??sultats entre 74 % et 88 %. Les r??sultats obtenus nous permettent de conclure que les objectifs de ce travail de recherche, ?? savoir, la proposition d???une technique pour l???estimation de la similarit?? spectrale entre les pixels formant le toit d???un b??timent, l???int??gration de l???information multispectrale dans la HMT dans le but de d??tecter les b??timents, et la proposition d???une technique qui permet la d??finition semi-automatique des configurations b??timent/voisinage dans les images multispectrales, ont ??t?? atteints. // Abstract : Detection of buildings in very high spatial resolution images (THRS) has various practical applications and is recently a subject of intensive scientific research. It faces the complexity of the urban environment and the variety of image characteristics depending on the type of the sensor. The performance of existing building extraction methods is not yet sufficient to be generalized to a large scale (different urban patterns and sensors). Morphological operators have been proven effective for the detection of buildings in panchromatic (greyscale) very high spectral resolution (VHSR) images. The spectral information of multispectral images is jugged efficient to improve the results of the detection. The extension of morphological operators to multispectral images is not straightforward. As pixels of multispectral images are pixels vectors the components of which are the intensity values in the different bands, a strategy to order vectors must be adopted. This research thesis focuses on the application of the morphological transformation called Hit-or-Miss (HMT) on multispectral VHSR images in order to detect buildings. To address the issue of the extension of morphological operators to multispectral images we have proposed two solutions. The first one employs generation of greyscale images from multispectral bands, where potential buildings are enhanced. The grayscale HMT is then applied to these images in order to detect buildings. To enhance potential building locations we have proposed the use of Spectral Similarity Ratio (SSR). To avoid the need to set multiple configurations of structuring elements (SE) necessary for the implementation of the HMT, we have used fuzzy erosion and fuzzy dilation and examined the pixel response to different values of SE. The method has been tested on image subsets taken over residential areas. The average rate of recognition for the two sensors, Ikonos and GeoEye, is 85% and 80%, respectively. The average rate of correct identification is 85% and 84%, for Ikonos and GeoEye subsets, respectively. Having made some improvements, we then applied the method to large scenes from Ikonos and WorldView-2 images covering different urban patterns. The average rate of recognized buildings is 82%. The rate of correct identification is 81%. As a second solution, we have proposed a new vector based strategy which allows the multispectral information to be integrated into the percent occupancy HMT (POHMT). Thus, the POHMT has been directly applied on multispectral images. The parameters for the POHMT have been defined using the morphological transformation dubbed top hat by reconstruction. A post-processing step included filtering the vegetation and validating building locations by proximity to shadow. The method has been applied to urban residential areas. Image subsets from Ikonos, GeoEye and WorldView2 have been processed. The rate of recognized buildings is relatively high for all subsets - between 85% and 97%. The rate of correct identification is between 74 % and 88 %. The results allow us to conclude that the objectives of this research, namely, suggesting a technique for estimating the spectral similarity between the pixels forming the roof of a building, the integration of multispectral information in the HMT in order to detect buildings and the proposition of a semiautomatic technique for the definition of the configurations building/neighbourhood in multispectral images, have been achieved.

En milieu urbain, la concurrence entre les enjeux de préservation de la biodiversité et de la densification du territoire est particulièrement développée. Dans une optique d’aide à la décision, une meilleure connaissance des zones les plus conflictuelles est requise. Face au constat d’insuffisance et d’inadéquation des données et des méthodes nécessaires à la cartographie des Trames vertes urbaines, notre travail s’intègre en premier lieu dans une démarche technique. Celle-ci est centrée sur la mise en place d’une méthode de traitement d’images satellitaires Très Haute Résolution Spatiale Pléiades (THRS) pour l’extraction de la végétation arborée et herbacée à l’échelle fine d’une emprise urbaine. D’abord appliquée à des données fictives, cette méthode est ensuite déployée sur quatre territoires (Toulouse, Muret, Pierrefite-Nestalas et Strasbourg). Bien que fondée sur une approche pixel, la simplicité de la méthode, qui s’appuie sur des outils libres, et les résultats obtenus (indice Kappa supérieur à 85 %) garantissent sa reproductibilité sur de vastes territoires plus ou moins urbanisés. Cette donnée de végétation est ensuite exploitée pour modéliser les connectivités écologiques potentielles du paysage urbain et périurbain toulousain. L’approche mobilise la théorie des graphes et permet d’évaluer l’impact d’un aménagement urbain sur la biodiversité. Le cas du Boulevard Urbain Nord de Toulouse est étudié. La cartographie proposée des réservoirs de biodiversité, hiérarchisés à l’aide de métriques de connectivité, est avant tout indicative. Elle est finalement confrontée à des documents d’urbanisme (Plans Locaux d’Urbanisme) afin d’obtenir une meilleure visibilité des territoires à enjeux environnementaux et urbanistiques. En fonction des enjeux fixés par les acteurs du territoire et à travers le filtre applicatif, cette thèse propose un outil robuste d’analyse et d’aide à la décision pour la gestion et la planification du territoire. / In urban areas, competition between land development and ecological conservation is intense. To assist decision making, a better knowledge of those areas of interest is required. Regarding inadequacy data and methods needed for ecological network mapping in urban areas, the aim of our study is to develop a method for semi-automatic vegetation extraction with Very High Spatial Resolution Pleiades imagery (VHSR). Initially applied to training samples, the process is then be deployed to four French study areas (Toulouse, Muret, Pierrefite-Nestalas and Strasbourg). The reproducibility of this method over large urbanized areas is ensured by its simplicity and the results of a pixel-based classification (kappa coefficient higher than 85 %). This extraction workflow uses free or open-source software. This vegetation data is then used in order to model potential ecological connectivity in Toulouse’s urban and peri-urban areas. Impacts on biodiversity due to urban planning are assessed using graph theory. The “Boulevard Urbain Nord de Toulouse” project, a road infrastructure, is studied. Graph metrics have been calculated to assess the level of connectivity at habitat patches and landscape scales. We classified the importance of the patches which is cross-tabulated with planning documents (PLU, a local town planning) in order to locate conflict urban areas: between biodiversity preservation and urbanization. Depending on the issues set out by local actors and through the application filter, this thesis proposes a robust analytical tool and decision-making aid for landscape management and land planning.

Ce travail porte sur le développement d’une nouvelle technique de diagnostic associant la résonance magnétique à haute résolution spatiale à la spectroscopie optique d’autofluorescence et de réflectance. La mise au point d’une telle sonde endoluminale bimodale s’inscrit dans les recherches de méthodes complémentaires ou alternatives à l’endoscopie conventionnelle pour le diagnostic précoce des pathologies du tube digestif. En effet le cancer colorectal représente aujourd’hui un enjeu majeur de santé publique avec plus de 1,2 millions de cas diagnostiqués dans le monde sachant que le taux de survie à 5 ans d’un patient est actuellement de 94% dans le cas de lésions détectées à un stade précoce (stade I) et seulement de 8% à un stade tardif (stade IV). Dans la première partie du manuscrit, nous abordons les différentes modalités d’imagerie et d’analyse spectrale en cours de développement ou d’évaluation, en mettant l’accent sur les principes physiques utilisés en RMN et spectroscopie optique. Dans une deuxième partie, nous détaillons la conception et la réalisation de prototypes de sondes endoluminales ainsi que les bancs optiques associés. Nous traitons également de la mise en oeuvre de dispositifs d’acquisition ainsi que des méthodes d’analyse de données au moyen de programmes informatiques dédiés. Dans une dernière partie, le système bimodal est caractérisé et validé lors d’études sur fantômes et une étude in vivo sur lapin. Les images obtenues par RM, fournissant l’information morphologique des échantillons ou du tissu, et les spectres optiques liés à leur composition sont corrélés / The main aim of this work is the development of a new diagnostic technique combining high spatial resolution MRI to autofluorescence and reflectance spectroscopy through the conception of a bimodal endoluminal probe. Such a technique falls within the framework of alternative innovative techniques to conventional colonoscopy that would allow better sensitivity to early stage digestive pathologies. Colorectal cancer is today a major health issue worldwide with more than 1.2 million cases diagnosed each year bearing the fact that the 5 year survival rate is 94% when precancerous lesions are diagnosed at an early stage (stage I) and only 8% when diagnosed at an advanced stage (stage IV). The promising imaging and spectral analysis techniques under investigation or undergoing clinical evaluation in different parts of the world are presented in the first chapter of this manuscript along with the basic physics involved in magnetic resonance imaging and optical spectroscopy. Chapter 2 gives a detailed description of the work carried out in devising and conceiving different endoluminal bimodal probe prototypes along with the dedicated optical test benches. Dedicated data processing and visualisation programmes developed are also presented within this chapter. The final chapter of this work deals with the different studies carried out in-vitro on different phantoms and in-vivo on a rabbit. Morphological information obtained through the MR images are also correlated to the biochemical information through the autofluorescence and reflectance spectra

La préservation de la biodiversité est un enjeu prioritaire, identifié aussi bien au niveau national qu’au niveau européen et international. L’hétérogénéité spatiale des milieux naturels est l’une des composantes clefs pour l’étude de la biodiversité et permet de comprendre le fonctionnement des écosystèmes. Le bassin Méditerranéen est un hotspot de biodiversité pour lequel le lien entre biodiversité et hétérogénéité spatiale des paysages s’illustre particulièrement bien. Les milieux méditerranéens s'organisent en mosaïques hétérogènes de quatre strates verticales: le sol nu, l’herbe, les ligneux bas et les ligneux hauts. La biodiversité de ces milieux est aujourd'hui menacée par une fermeture de milieux naturels qui entraîne la disparition de certains habitats et l’homogénéisation des paysages, homogénéisation qui entraîne elle-même une augmentation des risques d’incendies.Cette thèse se propose de développer des indices caractérisant l’hétérogénéité spatiale des milieux naturels dans un contexte méditerranéen à partir d’images de télédétection à très haute résolution. Parmi les différentes méthodes permettant de caractériser l'hétérogénéité, la méthode FOTO (FOurier Based Textural Ordination) est particulièrement intéressante car elle produit de façon non supervisée un nombre limité de gradients de texture non corrélés, à partir desquels il est possible de décrire les variations continues de l’hétérogénéité spatiale, et ce, à plusieurs échelles spatiales. Ainsi le premier objectif de cette thèse est de tester le potentiel des gradients de texture issus de la méthode FOTO pour la caractérisation de l’hétérogénéité spatiale relative aux quatre strates verticales caractéristiques des milieux méditerranéens. Le deuxième objectif est de tester la sensibilité de l’approche développée à des facteurs techniques et environnementaux, afin de s’assurer de sa réplicabilité pour favoriser son utilisation dans un contexte opérationnel de suivi des milieux méditerranéens. Enfin, le dernier objectif est de valider la pertinence écologique des indices d’hétérogénéité développés à travers un cas d’application~: la caractérisation de la répartition spatiale d’espèces d’oiseaux sensibles à l’hétérogénéité de la végétation.Combinés avec un indice de végétation, le NDVI, les indices de texture issus de la méthode FOTO ont pu être interprétés en termes d'hétérogénéité spatiale et ont permis de caractériser la composition et l'organisation des quatre strates verticales étudiées. Ces indices sont influencés par la présence de surfaces anthropisées comme les cultures ainsi que par la nature de l'information radiométrique des images de télédétection utilisées, qui impacte le contraste apparent des strates de végétation. Ainsi, l'application de la méthode sur une bande panchromatique est plus sensible aux motifs liés à l'alternance de sol nu et d'herbe tandis que l'application de la méthode sur le NDVI est plus sensible aux motifs lié à l'alternance des ligneux avec la strate herbacée. Enfin, nous avons montré l’intérêt de l’approche développée pour la prédiction de plusieurs espèces d’oiseaux à fort enjeux de conservation. Les indices d’hétérogénéité ont permis de mettre en évidence des structures de la végétation particulièrement favorables à certaines espèces d’oiseaux.L'approche développée dans cette thèse est particulièrement intéressante car elle permet la production non supervisée de trois indices complémentaires caractérisant plusieurs composantes de l'hétérogénéité spatiale relatives à quatre strates. Des efforts sont encore nécessaires pour améliorer i) notre compréhension de la contribution de facteurs environnementaux et instrumentaux sur la stabilité de l'approche et ii) son automatisation en vue d'une application dans un contexte opérationnel pour la cartographie et le suivi de l'état de conservation des habitats naturels et de l'avifaune. / The preservation of biodiversity is a priority issue, both at national, European and international levels. In order to provide a better understanding of ecosystem functioning, spatial heterogeneity of natural environments is becoming one of the key components for the study of biodiversity. The Mediterranean basin is a hotspot of biodiversity for which the synergies between biodiversity and spatial heterogeneity of landscapes are particularly important. Mediterranean environments are organized into heterogeneous mosaics of four vertical strata~: bare soil, herbs, low ligneous and high ligneous. The biodiversity of these unique hotspots is now threatened by a closure of the landscape that leads to the habitat loss and landscape homogenization. The loss of heterogeneity is also leading to an increase in fire risks.This thesis aims to develop indices characterizing the spatial heterogeneity of natural landscapes in a Mediterranean context using very high spatial resolution remote sensing images. Among the various methods dedicated to the characterization of heterogeneity, the FOTO (FOurier Based Textural Ordination) method is particularly relevant because it produces uncorrelated texture gradients in an unsupervised manner, allowing continuous variations in spatial heterogeneity to be characterized at different spatial scales. Thus, the first objective of this thesis is to test the potential of texture indices derived from the FOTO method for the characterization of spatial heterogeneity relative to four vertical strata. The second objective is to test the sensitivity of our approach to technical and environmental factors, in order to ensure its replicability, and promote its use in an operational context of monitoring Mediterranean environments. Finally, based on a case study centered on the spatial distribution of bird species sensitive to vegetation heterogeneity, the last objective is oriented towards the validation of the ecological relevance of the heterogeneity indices.Combined with a vegetation index, NDVI, the texture indices derived from the FOTO method could be interpreted in terms of spatial heterogeneity and make it possible to characterize the composition and organization of the four vertical strata studied. These indices are influenced bymultiple factors, including the anthropization of landscapes showing patterns translated into surfaces such as crops, and the nature of the radiometric information of the remote sensing images processed. This pattern information impacts the apparent contrast of vegetation strata. Thus, the application of the method on a panchromatic band is more sensitive to patterns related to the alternation of bare soil and herbs while the application of the method on NDVI is more sensitive to patterns related to the alternation of ligneous strata with the herbaceous stratum. Finally, we have shown the interest of the approach developed for the prediction of several bird species with high conservation stakes. Heterogeneity indices have made it possible to highlight vegetation structures that are particularly favourable to certain bird species.The approach developed in this thesis is particularly stimulating because it allows the unsupervised production of three complementary indices characterizing several components of spatial heterogeneity related to four strata. Further efforts are needed to improve i) our understanding of the contribution of environmental and instrumental factors to the stability of the approach and ii) its automation for application in an operational context for mapping and monitoring the conservation status of natural habitats and birdlife.

La disponibilité de nouveaux moyens d’acquisition en télédétection, satellitaire (PLEIADES, HYPXIM), aéroportée ou par drone (UAV) à très haute résolution spatiale ouvre la voie à leur utilisation pour l’étude de milieux complexes telles que les villes. En particulier, la connaissance de la ville pour l’étude des îlots de chaleur, la planification urbaine, l’estimation de la biodiversité de la végétation et son état de santé nécessite au préalable une étape de classification des matériaux qui repose sur l’utilisation de l’information spectrale accessible en télédétection hyperspectrale 0,4-2,5μm. Une des principales limitations des méthodes de classification réside dans le non traitement des zones à l’ombre. Des premiers travaux ont montré qu’il était possible d’exploiter l’information radiative dans les ombres des bâtiments. En revanche, les méthodes actuelles ne fonctionnent pas dans les ombres des arbres du fait de la porosité de leur couronne. L’objectif de cette thèse vise à caractériser les propriétés optiques de surface à l’ombre de la végétation arborée urbaine au moyen d’outils de transfert radiatif et de correction atmosphérique. L’originalité de ce travail est d’étudier la porosité d’un arbre via la grandeur de transmittance de la couronne. La problématique a donc été abordée en deux temps. Premièrement, la caractérisation de la transmittance d’un arbre isolé a été menée avec l’utilisation de l’outil DART à travers la mise en œuvre d’un plan d’expériences et d’études de sensibilité qui ont permis de la relier à des paramètres biophysiques et externes. Une campagne de mesures terrain a ensuite été réalisée afin d’évaluer son estimation à partir de différents niveaux de modélisation de l’arbre, dont un modèle réel acquis par mesures lidar terrestre. Deuxièmement, une nouvelle méthode de correction atmosphérique 3D adaptée à la végétation urbaine, ICARE-VEG, a été développée à partir des résultats précédents. Une campagne aéroportée et de mesures terrain UMBRA a été dédiée à sa validation. Ses performances comparées à d’autres outils existants ouvrent de larges perspectives pour l’interprétation globale d’une image par télédétection et pour souligner la complexité de modéliser des processus physiques naturels à une échelle spatiale très fine. / The new advances in remote sensing acquisitions at very high spatial resolution, either spaceborne (PLEIADES, HYPXIM), airborne or unmanned aerial vehicles borne, open the way for the study of complex environments such as urban areas. In particular, the better understanding of urban heat islands, urban planning, vegetation biodiversity, requires the knowledge of detailed material classification mapsbased on the use of spectral information brought by hyperspectral imagery 0.4-2.5μm. However, one of the main limitations of classification methods relies on the absence of shadow processing. Past studies have demonstrated that spectral information was possible to be extracted from shadows cast by buildings. But existing methods fail in shadows cast by trees because of their crown porosity. The objective of this thesis aims to characterize surface optical properties in urban tree shadows by means of radiative transfer and atmospheric correction tools. The originality of this work is to study the tree crown porosity through the analysis of the tree crown transmittance. Therefore, the issue has been divided into two parts. Firstly, an experimental design with the use of DART tool has been carried out in order to examine the relationships between the transmittance of an isolated tree and different biophysical and external variables. Then, the estimation of the tree crown transmittance has been assessed with several tree 3D modelling strategies derived from reference terrestrial lidar acquisitions. Secondly, a new atmospheric correction method appropriate to the processing of tree shadows, ICARE-VEG, was implemented fromthese previous results. An airborne and field campaign UMBRA was dedicated to its validation. Moreover, its performances was compared to other existing tools. Finally, the conclusions open large outlooks to the overall interpretation of remote sensing images and highlight the complexity to model physical natural processes with finer spatial resolutions.

Abstract<p>Since 1999, Very High spatial Resolution satellite data (Ikonos-2, QuickBird and OrbView-3) represent the surface of the Earth with more detail. However, information extraction by multispectral pixel-based classification proves to have become more complex owing to the internal variability increase in the land-cover units and to the weakness of spectral resolution. <p>Therefore, one possibility is to consider the internal spectral variability of land-cover classes as a valuable source of spatial information that can be used as an additional clue in characterizing and identifying land cover. Moreover, the spatial resolution gap that existed between satellite images and aerial photographs has strongly decreased, and the features used in visual interpretation transposed to digital analysis (texture, morphology and context) can be used as additional information on top of spectral features for the land cover classification.<p>The difficulty of this approach is often to transpose the visual features to digital analysis.<p>To overcome this problem region-based classification could be used. Segmentation, before classification, produces regions that are more homogeneous in themselves than with nearby regions and represent discrete objects or areas in the image. Each region becomes then a unit analysis, which makes it possible to avoid much of the structural clutter and allows to measure and use a number of features on top of spectral features. These features can be the surface, the perimeter, the compactness, the degree and kind of texture. Segmentation is one of the only methods which ensures to measure the morphological features (surface, perimeter.) and the textural features on non-arbitrary neighbourhood. In the pixel-based methods, texture is calculated with mobile windows that smooth the boundaries between discrete land cover regions and create between-class texture. This between-class texture could cause an edge-effect in the classification.<p><p>In this context, our research focuses on the potential of land cover region-based classification of VHR satellite data through the study of the object extraction capacity of segmentation processes, and through the study of the relevance of region features for classifying the land-cover classes in different kinds of Belgian landscapes; always keeping in mind the parallel with the visual interpretation which remains the reference.<p><p>Firstly, the results of the assessment of four segmentation algorithms belonging to the two main segmentation categories (contour- and region-based segmentation methods) show that the contour detection methods are sensitive to local variability, which is precisely the problem that we want to overcome. Then, a pre-processing like a filter may be used, at the risk of losing a part of the information. The “region-growing” segmentation that uses the local variability in the segmentation process appears to be the best compromise for the segmentation of different kinds of landscape.<p>Secondly, the features calculated thanks to segmentation seem to be relevant to identify some land-cover classes in urban/sub-urban and rural areas. These relevant features are of the same type as the features selected visually, which shows that the region-based classification gets close to the visual interpretation. <p>The research shows the real usefulness of region-based classification in order to classify the land cover with VHR satellite data. Even in some cases where the features calculated thanks to the segmentation prove to be useless, the region-based classification has other advantages. Working with regions instead of pixels allows to avoid the salt-and-pepper effect and makes the GIS integration easier.<p>The research also highlights some problems that are independent from the region-based classification and are recursive in VHR satellite data, like shadows and the spatial resolution weakness for identifying some land-cover classes.<p><p>Résumé<p>Depuis 1999, les données satellitaires à très haute résolution spatiale (IKONOS-2, QuickBird and OrbView-3) représentent la surface de la terre avec plus de détail. Cependant, l’extraction d’information par une classification multispectrale par pixel devient plus complexe en raison de l’augmentation de la variabilité spectrale dans les unités d’occupation du sol et du manque de résolution spectrale de ces données. Cependant, une possibilité est de considérer cette variabilité spectrale comme une information spatiale utile pouvant être utilisée comme une information complémentaire dans la caractérisation de l’occupation du sol. De plus, de part la diminution de la différence de résolution spatiale qui existait entre les photographies aériennes et les images satellitaires, les caractéristiques (attributs) utilisées en interprétation visuelle transposées à l’analyse digitale (texture, morphologie and contexte) peuvent être utilisées comme information complémentaire en plus de l’information spectrale pour la classification de l’occupation du sol.<p><p>La difficulté de cette approche est la transposition des caractéristiques visuelles à l’analyse digitale. Pour résoudre ce problème la classification par région pourrait être utilisée. La segmentation, avant la classification, produit des régions qui sont plus homogène en elles-mêmes qu’avec les régions voisines et qui représentent des objets ou des aires dans l’image. Chaque région devient alors une unité d’analyse qui permet l’élimination de l’effet « poivre et sel » et permet de mesurer et d’utiliser de nombreuses caractéristiques en plus des caractéristiques spectrales. Ces caractéristiques peuvent être la surface, le périmètre, la compacité, la texture. La segmentation est une des seules méthodes qui permet le calcul des caractéristiques morphologiques (surface, périmètre, …) et des caractéristiques texturales sur un voisinage non-arbitraire. Avec les méthodes de classification par pixel, la texture est calculée avec des fenêtres mobiles qui lissent les limites entre les régions d’occupation du sol et créent une texture interclasse. Cette texture interclasse peut alors causer un effet de bord dans le résultat de la classification.<p><p>Dans ce contexte, la recherche s’est focalisée sur l’étude du potentiel de la classification par région de l’occupation du sol avec des images satellitaires à très haute résolution spatiale. Ce potentiel a été étudié par l’intermédiaire de l’étude des capacités d’extraction d’objet de la segmentation et par l’intermédiaire de l’étude de la pertinence des caractéristiques des régions pour la classification de l’occupation du sol dans différents paysages belges tant urbains que ruraux. / Doctorat en sciences agronomiques et ingénierie biologique / info:eu-repo/semantics/nonPublished