In studies of urban quality of life, the information that can be extracted from satellite images is limited by image resolution and by the standard method of pixel classification. Recently, very high spatial resolution (VHSR) satellite images have allowed the development of new remote sensing application, especially for complex urban areas. Despite of the numerous advantages of the object-oriented approach for VHSR image processing, the parameters used to carry it out, especially at the object creation stage, are not very well documented. Moreover, the evaluation of urban quality of life has never considered the perception of inhabitants of the zones under study. This dissertation therefore addresses these two issues and aims 1) at testing a systematic ways of achieving the best parameters for object-oriented classification with the software Definiens and 2) at quantifying the relation between objective indicators and perceived satisfaction. Hoàn Kiém district, in Hanoi, Vietnam, was chosen as our zone of interest. The image used for this study is a 0,7m spatial resolution Quickbird image.In the first part of the dissertation, we identify eight land occupation classes on the image: lakes, river, parks, groups of trees along streets, isolated trees, large road and residential blocks. Using these classes and additional cartographic information, we calculate nine quality of life indicators that correspond to two central aspects of urban life: commodity (urban services) and amenity (urban landscape). For each group of indicators, we carried out a principal components analysis to obtain non-correlated components. We then conducted a survey with eight city planning experts who live and work in the zone under study to obtain an assessment of the satisfaction of inhabitants towards their area of residence. The weight of each component in the determination of quality of life was achieved through an ordinal regression whose independent variables are the components and the dependent variable is the level of satisfaction as evaluated by the experts. The weights were then used to interpret the importance of our indicators for quality of life. Our results show that it is possible to classify land occupation types with a good accuracy: our average accuracy rate is 80.5%. As for the weight of quality of life indicators, our results allow us to make methodological and interpretative contributions. Contrary to previous work, our method allows us to evaluate the explanatory power of our model. Our regression shows that 22% of variation in satisfaction towards commodity and nearly 54% of variation in satisfaction towards amenity can be attributed to our indicators. As for the nature of the factors playing a role in quality of life, our results show that the relation between indicators and perceived satisfaction is not linear, which had never been shown in previous studies. Satisfaction towards commodity increases when transportation and health care are both sufficient. Satisfaction towards amenity is on the other hand largely determined by residential space, while vegetation plays a minor role, contrary to what was found in the urban zones of developed countries.

Depuis une quinzaine d’années, l’émergence des données de télédétection à Très Haute Résolution Spatiale (THRS) et la démocratisation des Systèmes d’Information Géographique (SIG) aident à répondre aux nouveaux besoins croissants d’informations spatialisées. Le développement de nouvelles méthodes de cartographie offre une opportunité pour comprendre et anticiper les mutations des surfaces terrestres aux grandes échelles, jusqu’ici mal connues. En France, l’emploi de bases de données spatialisées sur l’occupation du sol à grande échelle (BD Ocsol GE) est devenu incontournable dans les opérations courantes de planification et de suivi des territoires. Pourtant, l’acquisition de ce type de bases de données spatialisées est encore un besoin difficile à satisfaire car les demandes portent sur des productions cartographiques sur-mesure, adaptées aux problématiques locales des territoires. Face à cette demande croissante, les prestataires réguliers de ce type de données cherchent à optimiser les procédés de fabrication avec des techniques récentes de traitements d’image. Cependant, la Photo-Interprétation Assistée par Ordinateur (PIAO) reste la méthode privilégiée des prestataires. En raison de sa grande souplesse, elle répond toujours au besoin de cartographie aux grandes échelles, malgré son coût important. La substitution de la PIAO par des méthodes de production entièrement automatisées est rarement envisagée. Toutefois, les développements récents en matière de segmentation d’images peuvent contribuer à l’optimisation de la pratique de la photo-interprétation. Cette thèse présente ainsi une série d’outils (ou modules) qui participent à l’élaboration d’une assistance à la digitalisation pour l’exercice de photo-interprétation d’une BD Ocsol GE. L’assistance se traduit par la réalisation d’un prédécoupage du paysage à partir d’une segmentation menée sur une image THRS. L’originalité des outils présentés est leur intégration dans un contexte de production fortement contraint. La construction des modules est conduite à travers trois prestations cartographiques à grande échelle commandités par des entités publiques. L’apport de ces outils d’automatisation est analysé à travers une analyse comparative entre deux procédures de cartographie : l’une basée sur une démarche de photo-interprétation entièrement manuelle et la seconde basée sur une photo-interprétation assistée en amont par une segmentation numérique. Les gains de productivité apportés par la segmentation sont, évalués à l’aide d’indices quantitatifs et qualitatifs, sur des configurations paysagères différentes. À des degrés divers, il apparaît que quelque soit le type de paysage cartographié, les gains liés à la cartographie assistée sont substantiels. Ces gains sont discutés, à la fois, d’un point de vue technique et d’un point de vue thématique dans une perspective commerciale. / Over the last fifteen years, the emergence of remote sensing data at Very High Spatial Resolution (VHRS) and the democratization of Geographic Information Systems (GIS) have helped to meet the new and growing needs for spatial information. The development of new mapping methods offers an opportunity to understand and anticipate land cover change at large scales, still poorly known. In France, spatial databases about land cover and land use at large scale have become an essential part of current planning and monitoring of territories. However, the acquisition of this type of database is still a difficult need to satisfy because the demands concern tailor-made cartographic productions, adapted to the local problems of the territories. Faced with this growing demand, regular service providers of this type of data seek to optimize manufacturing processes with recent image-processing techniques. However, photo interpretation remains the favoured method of providers. Due to its great flexibility, it still meets the need for mapping at large scale, despite its high cost. Using fully automated production methods to substitute for photo interpretation is rarely considered. Nevertheless, recent developments in image segmentation can contribute to the optimization of photo-interpretation practice. This thesis presents a series of tools that participate in the development of digitalization assistance for the photo-interpretation exercise. The assistance results in the realization of a pre-cutting of the landscape from a segmentation carried out on a VHRS image. Tools development is carried out through three large-scale cartographic services, each with different production instructions, and commissioned by public entities. The contribution of these automation tools is analysed through a comparative analysis between two mapping procedures: manual photo interpretation versus digitally assisted segmentation. The productivity gains brought by segmentation are evaluated using quantitative and qualitative indices on different landscape configurations. To varying degrees, it appears that whatever type of landscape is mapped, the gains associated with assisted mapping are substantial. These gains are discussed both technically and thematically from a commercial perspective.

Les données de télédétection acquises à Très Haute Résolution Spatiale (THRS) constituent une source d'information importante pour le suivi détaillé des changements d'occupation du sol sur de petites surfaces. Ces données sont particulièrement intéressantes pour les applications dans les milieux urbains et périurbains car elles permettent d'appréhender des changements brusques et irréguliers autant que des modifications subtiles et régulières. Toutefois, l'exploitation d'images à THRS nécessite des développements méthodologiques, les méthodes de détection de changement généralement utilisées pour traiter les images à basse et moyenne résolution n'étant pas adaptées : d'une part l'étendue et la résolution spectrale des capteurs à THRS sont souvent inférieures à celles des autres capteurs, la résolution spectrale des capteurs diminuant avec l'augmentation de leur résolution spatiale. D'autre part, la variabilité spectrale des pixels définissant les classes d'occupation du sol augmente en fonction de la résolution spatiale. Cette thèse présente ainsi une série d'outils méthodologiques qui permettent d'identifier et de caractériser automatiquement des changements affectant de petites surfaces à partir de données à THRS acquises à différentes dates et provenant de différentes sources. Contrairement à la majorité des méthodes utilisées en télédétection, l'originalité des outils présentés ne repose pas exclusivement ou essentiellement sur l'utilisation de l'information spectrale de l'image ; ils reposent surtout sur les propriétés de texture des objets géographiques observés. La texture est caractérisée à partir d'une analyse des coefficients issus d'une décomposition en ondelettes des images. Les outils développés comprennent : une méthode de correction de l'effet de vignettage des photographies aériennes anciennes ; une technique de segmentation d'images ; une méthode d'estimation de l'orientation dominante de motifs texturés ; une méthode de classification ; une méthode de détection de changements. L'ensemble de ces outils a été validé à partir d'exemples synthétiques, puis appliqué sur un secteur périurbain de l'agglomération rennaise afin de détecter les changements d'occupation et d'utilisation des sols à partir de photographies aériennes acquises en 1978 et 2001. Les taux de changement correctement détectés, qui varient de 78 % à 85 %, montrent l'intérêt d'exploiter la texture pour classer des images à THRS. Il est possible de détecter automatiquement différents types de changements et ainsi de distinguer des changements de pratiques culturales et des changements liés à l'artificialisation des sols. Les outils développés dans cette thèse sont génériques et s'appliquent à l'analyse de tout objet texturé. Ainsi nous avons exploité certains outils proposés pour détecter et caractériser des parcelles viticoles ou estimer des mouvements fluides en aéronautique