Détection de l'ombre, de la végétation et des bâtiments sur des images optiques en haute résolution
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Ngo, Tran Thanh
Date de soutenance : 22-09-2015

Directeur(s) de thèse : Collet, Christophe

Président : Tupin, Florence
Rapporteur(s) : Chanussot, Jocelyn
Membre(s) du jury : Mazet, Vincent

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Traitement du signal et des images
Classification : Sciences de la terre, Sciences de l'ingénieur

Mots-clés libres : Ombre, Végétation, Détection de bâtiments, Dempster-Shafer, Méthode de Markov, Segmentation, Télédétection, Région
Mots-clés :
  • Images de télédétection
  • Markov, Processus de
  • Radar à haute résolution
  • Végétation -- Télédétection
  • Constructions - Cartographie
  • Ombres
Résumé : Cette thèse est dédiée à la détection de l'ombre, de la végétation et des bâtiments à partir d'une unique image optique très haute résolution. La première partie présente une nouvelle méthode pour détecter simultanément les ombres et la végétation : plusieurs indices d'ombre et de végétation sont comparés puis fusionnés grâce à la théorie de l'évidence de Dempster-Shafer afin d'obtenir une segmentation en trois classes : “ombre”, “végétation” et “autre”. Comme la fusion est une méthode pixellique, elle est incorporée dans un contexte markovien pour régulariser la segmentation. Dans la deuxième partie, une nouvelle technique de segmentation d'images par croissance de région est proposée. L'image est tout d'abord sur-segmentée en régions homogènes afin de remplacer la structure rigide de la grille de pixels. Une classification-fusion itérative est ensuite appliquée sur ces régions. À chaque itération, les régions sont classées en utilisant une segmentation markovienne, puis regroupées entre elles en fonction de la position des ombres, de leur classe, et de la rectangularité de la forme fusionnée. Les bâtiments sont estimés à partir de la classification finale comme étant les rectangles d'emprise minimale. Ces deux algorithmes ont été validés sur plusieurs images de télédétection et ont permis de démontrer leur efficacité.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2015STRAD032
Type de ressource : Thèse