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
Université de Strasbourg
Strasbourg
2012-12-31
application/pdf
https://publication-theses.unistra.fr/restreint/theses_doctorat/2012/Petitjean_Francois_2012_ED269.pdf
Petitjean
François
1987-02-14
FR
164900152
40713525
http://www.theses.fr/2012STRAD023
2012STRAD023
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