Lors de ces travaux, nous nous sommes intéressés au problème de la classification supervisée d'images satellitaires de<br /> 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).<br />Deux stratégies ont été proposées.<br />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) <br /> non linéaires. Nous proposons la définition d'un noyau spatio-spectral utilisant de manière conjointe l'information spatiale<br /> et l'information spectrale extraites lors de la première phase.\\<br /> La seconde stratégie consiste en une phase de fusion de données pre- ou post-classification. Lors de la fusion postclassification,<br /> divers classifieurs sont appliqués, éventuellement sur plusieurs données issues d'une même scène (image panchromat<br />ique, image multi-spectrale). Pour chaque pixel, l'appartenance à chaque classe est estimée à l'aide des classifieurs. Un schém<br />a 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<br />.<br />Les différents résultats sont fusionnés à l'aide d'opérateurs flous.<br />Les méthodes ont été validées sur des images réelles. Des<br />améliorations significatives sont obtenues par rapport aux méthodes publiées dans la litterature.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00258717 |
| Date | 28 November 2007 |
| Creators | Fauvel, Mathieu |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | English |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0022 seconds