Note ABES Dynamic time warping : apports théoriques pour l'analyse de données temporelles : application à la classification de séries temporelles d'images satellites Dynamic time warping : theoretical contributions for data mining, application to the classification of satellite image time series Séries temporelles Images satellites Classification Dynamic Time Warping Séquence moyenne Time series Satellite image Classification Dynamic Time Warping Average sequence 621.367 006 Imagerie satellitaire Logiciels Satellites artificiels en télédétection Satellites artificiels dans les sciences de la Terre Séries chronologiques Les séries temporelles d’images satellites (STIS) sont des données cruciales pour l’observation de la terre. Les séries temporelles actuelles sont soit des séries à haute résolution temporelle (Spot-Végétation, MODIS), soit des séries à haute résolution spatiale (Landsat). Dans les années à venir, les séries temporelles d’images satellites à hautes résolutions spatiale et temporelle vont être produites par le programme Sentinel de l’ESA. Afin de traiter efficacement ces immenses quantités de données qui vont être produites (par exemple, Sentinel-2 couvrira la surface de la terre tous les cinq jours, avec des résolutions spatiales allant de 10m à 60m et disposera de 13 bandes spectrales), de nouvelles méthodes ont besoin d’être développées. Cette thèse se focalise sur la comparaison des profils d’évolution radiométrique, et plus précisément la mesure de similarité « Dynamic Time Warping », qui constitue un outil permettant d’exploiter la structuration temporelle des séries d’images satellites. Satellite Image Time Series are becoming increasingly available and will continue to do so in the coming years thanks to the launch of space missions, which aim at providing a coverage of the Earth every few days with high spatial resolution (ESA’s Sentinel program). In the case of optical imagery, it will be possible to produce land use and cover change maps with detailed nomenclatures. However, due to meteorological phenomena, such as clouds, these time series will become irregular in terms of temporal sampling. In order to consistently handle the huge amount of information that will be produced (for instance, Sentinel-2 will cover the entire Earth’s surface every five days, with 10m to 60m spatial resolution and 13 spectral bands), new methods have to be developed. This Ph.D. thesis focuses on the “Dynamic Time Warping” similarity measure, which is able to take the most of the temporal structure of the data, in order to provide an efficient and relevant analysis of the remotely observed phenomena. Electronic Thesis or Dissertation Text fr PDF 13720923 application/pdf https://publication-theses.unistra.fr/restreint/theses_doctorat/2012/Petitjean_Francois_2012_ED269.pdf Petitjean François 1987-02-14 FR 164900152 40713525 https://theses.fr/2012STRAD023 2012STRAD023 https://doi.org/10.70675/1fa8f720zf4f3z4dc8z88cbzc833168dedbc 2012-09-13 Informatique Strasbourg 131056549 Doctorat Docteur es non oui Gançarski Pierre MADS_DIRECTEUR_DE_THESE_1 033775958 Schreck Pascal MADS_PRESIDENT_DU_JURY Inglada Jordi MADS_MEMBRE_DU_JURY_1 Spigal Marc MADS_MEMBRE_DU_JURY_2 Ritschard Gilbert MADS_RAPPORTEUR_1 Teisseire Maguelonne MADS_RAPPORTEUR_2 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 MA 156504863 Laboratoire des sciences de l'image, de l'informatique et de la télédétection (Strasbourg) MADS_PARTENAIRE_DE_RECHERCHE_1 UMR 7005 157549720 ddc:620 ddc:004 Gançarski Pierre Schreck Pascal Inglada Jordi Spigal Marc Ritschard Gilbert Teisseire Maguelonne École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) Laboratoire des sciences de l'image, de l'informatique et de la télédétection (Strasbourg) PDF 13720923