Note ABES Méthode collaborative de segmentation et classification d'objets à partir d'images de télédétection à très haute résolution spatiale Collaborative method of segmentation and classification of objects from remote sensing images with very high spatial resolution Objets Coopération Classification Segmentation Multi-agents Croissance sémantique Algorithme évolutionnaire Object construction process Semantic growth Multi-agent systems Genetic algorithm Cooperative system 006.6 621.367 Images de télédétection Traitement d'images -- Techniques numériques Conception orientée objets (informatique) Algorithmes évolutionnaires Avec l’avènement des images satellitaires à très haute résolution, les approches pixelliques ne donnant plus entière satisfaction ont été remplacées par les approches objets. Cependant, ces approches restent tributaires de la première étape qui permet le passage du pixel vers l’objet, à savoir l’étape de construction. L’architecture séquentielle de ces approches fait que les erreurs de l’étape de construction se répercutent sur l’étape d’identification. Il devient donc primordial de passer de cette architecture séquentielle vers une architecture itérative permettant la collaboration entre les étapes de construction et d’identification. Dans le cadre de cette thèse, nous nous sommes concentrés sur l’étude de l’étape de construction(i.e., la segmentation) comme base de départ pour les approches proposées. Nous avons proposé deux approches objets basées sur les techniques de segmentation les plus propices à la collaboration, à savoir les techniques régions et les techniques collaboratives région/contour. La première approche proposée se base sur une croissance sémantique hiérarchique. Elle permet de combiner les algorithmes de croissance de régions et les approches d’analyse d’images orientées objets. La croissance étant spécifique à la classe du germe de départ, nous avons proposé deux adaptations de l’approche sur les objets les plus rencontrés dans le contexte urbain, à savoir, les routes et les bâtiments. La deuxième approche utilise un algorithme évolutionnaire local permettant un paramétrage local des différents agents régions et contours évoluant au sein d’un système multi-agents. Object based image analysis is a rising research area in remote sensing. However, existing approaches heavily rely on the object construction process, mainly due to the lack of interaction between the two steps, i.e., Construction and identification.In this thesis, we focused on the study of the construction phase (i.e., segmentation) as a basis for the proposed approaches. The first proposed approach is based on a hierarchical semantic growth. This approach allows merging region-growing algorithms and Object Based Image Analysis approaches. Due to the dependency of the semantic growth on the seed class, we propose two adaptations of the approach on the most used class in the urban context, i.e., roadsand buildings. The second approach benefits of both multi-agent systems and genetic algorithms characteristics. It overcomes the threshold’s dependency of the proposed cooperative multi-agent system between an edge approach and a region approach. The genetic algorithm is used to automatically find building extraction parameters for each agent based on expert knowledge. The proposed approaches have been validated on a very high-resolution image of the urban area of Strasbourg. Electronic Thesis or Dissertation Text fr PDF 7360304 Université de Strasbourg Strasbourg 2016-12-31 https://theses.hal.science/tel-01271036 application/pdf 23029796 https://publication-theses.unistra.fr/public/theses_doctorat/2014/Sellaouti_Aymen_2014_ED269.pdf http://www.theses.fr/2014STRAD032/abes https://theses.hal.science/tel-01271036 https://theses.hal.science/tel-01271036 https://theses.hal.science/tel-01271036 https://theses.hal.science/tel-01271036 Sellaouti Aymen 1982-07-02 TN 191224472 https://theses.fr/2014STRAD032 2014STRAD032 https://doi.org/10.70675/b736ffe7z6137z4d4bzb028z73a9338bae1b 2014-09-16 Informatique Strasbourg 131056549 Université Tunis El Manar. Faculté des Sciences Mathématiques, Physiques et Naturelles de Tunis (Tunisie) MADS_ETABLISSEMENT_DE_COTUTELLE_1 147476275 Doctorat Docteur es non oui Deruyver Aline MADS_DIRECTEUR_DE_THESE_1 077748700 Bsaïes Khaled MADS_DIRECTEUR_DE_THESE_2 13329997X Slimani Yahya MADS_PRESIDENT_DU_JURY 031724299 Collet Pierre MADS_MEMBRE_DU_JURY_1 112048854 Farah Imed Riadh MADS_RAPPORTEUR_1 162325428 Loménie Nicolas MADS_RAPPORTEUR_2 06935104X École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 217648 176969721 ddc:004 ddc:620 Université Tunis El Manar. Faculté des Sciences Mathématiques, Physiques et Naturelles de Tunis (Tunisie) Deruyver Aline Bsaïes Khaled Slimani Yahya Collet Pierre Farah Imed Riadh Loménie Nicolas École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg) PDF 7360304