Return to search

Etude des séries temporelles en imagerie satellitaire SAR pour la détection automatique de changements / Study of satellite SAR time series for automatic change detection

Cette thèse présente la méthode de détection de changements MIMOSA (Method for generalIzed Means Ordered Series Analysis). Cette nouvelle méthode permet de détecter automatiquement des changements entre couples ou séries temporelles d’images SAR. En effet, grâce aux moyennes temporelles, le nombre d’images en jeu n’importe plus puisque seulement deux moyennes différentes sont comparées de sorte à détecter les changements (par exemple moyenne géométrique et moyenne quadratique). De ce fait, les grand volumes de données disponibles de nos jours sont exploitables plus facilement puisque l’information utile est «résumée» dans les moyennes. Le seul paramètre de la détection est le taux de fausses alarmes obtenu dans le résultat, ce qui rend son analyse plus intuitive. Les cartes de changements fournies par MIMOSA sont de très bonne qualité en comparaison à celles fournies par d’autres méthodes. De nombreux tests ont été mis en place pour constater la robustesse de la méthode MIMOSA face aux problèmes les plus souvent rencontrés, comme une mauvaise calibration radiométrique, ou encore un mauvais recalage. Une interface graphique a de plus été développée autour de MIMOSA, incorporant de nombreux outils de préparation et traitement des données, ainsi que des outils d’analyse des résultats. / This PhD thesis presents the MIMOSA (Method for generalIzed Means Ordered Series Analysis) change detection methood. This new technique can automatically detect changes between SAR image pairs or within time series. Indeed, thanks to the temporeal means, the number of involved images doesn’t matters because only two different means are compared to detect the changes (for example, the geometric and quadratic means). Thus, large data volumes can be processed easily, since the useful information is condensed within the temporal means. The only change detection parameter is the false alarm rate that will be MIMOSA method are very good compared to other methods. Several tests have been performed in order to quantify the robustness of the method facing the most common problems, like image misregistration or radiometric calibration errors. A graphical user interface has also been developed for MIMOSA, including many useful tools to prepare and process SAR data, but also several analyse tools.

Identiferoai:union.ndltd.org:theses.fr/2014ENST0003
Date27 January 2014
CreatorsQuin, Guillaume
ContributorsParis, ENST, Nicolas, Jean-Marie
Source SetsDépôt national des thèses électroniques françaises
LanguageFrench
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.0024 seconds