Return to search

Vers une nouvelle solution de cartographie des minéraux à partir d’images hyperspectrales acquises depuis un drone

Tableau d'honneur de la Faculté des études supérieures et postdorales, 2014-2015 / De nos jours, les drones se présentent comme une nouvelle tendance dans le domaine de la télédétection civile grâce à leur capacité de combler plusieurs lacunes inhérentes aux plateformes conventionnelles. Les capteurs hyperspectraux embarqués sur ces systèmes figurent parmi les solutions en émergence et qui offrent de nouvelles opportunités en matière de cartographie de la surface terrestre. Cette solution se caractérise par l’acquisition des données à très hautes résolutions spectrale, spatiale et temporelle. Le présent travail vise à faire progresser les connaissances relatives à l'élaboration de cartographie des minéraux établie à partir d'images acquises à l'aide de cette solution. Il aborde notamment les problèmes liés aux distorsions inhérentes au processus d’acquisition des données et les méthodes permettant de les corriger. Il s’intéresse également à la conception d’une méthode de classification qui soit adaptée aux caractéristiques de ces données notamment en termes du grand volume et de la haute résolution spatiale. / Nowadays, unmanned aerial systems have become a new trend in the field of civilian remote sensing. These systems allow overcoming several shortcomings of conventional platforms. The hyperspectral sensors mounted on this type of platform are amongst the up and coming solutions that provide new opportunities for mapping land surface. This solution is characterized by the acquisition of data at very high spectral, spatial and temporal resolutions. The present work aims to advance knowledge about mineral mapping using images acquired with this solution. It particularly addresses issues related to the distortions of the data acquired from such a system and methods to correct them. It also focused on the conception of a classification method that is suited to the characteristics of these data particularly in terms of large volume and high spatial resolution.

Identiferoai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/25859
Date23 April 2018
CreatorsAgili, Hachem
ContributorsChokmani, Karem, Daniel, Sylvie
Source SetsUniversité Laval
LanguageFrench
Detected LanguageFrench
Typemémoire de maîtrise, COAR1_1::Texte::Thèse::Mémoire de maîtrise
Format1 ressource en ligne (xxiii, 112 pages), application/pdf
Rightshttp://purl.org/coar/access_right/c_abf2

Page generated in 0.1792 seconds