Contours actifs et information à priori pour l'analyse de changements : application à la mise à jour de cartes numériques du bâti urbain à partir d'images optiques de télédétection haute résolution

Active contours and prior knowledge for change analysis : application to urban digital building map updating from high resolution optical images

• Auteur / Autrice : Timothée Bailloeul
• Direction : Philippe Marthon, Baogang Hu
• Type : Thèse de doctorat
• Discipline(s) : Signal, image et acoustique
• Date : Soutenance en 2005
• Etablissement(s) : Toulouse, INPT en cotutelle avec Institut d'automatique, Académie des Sciences de Chine

Mots clés

Mots clés contrôlés

Système d'information géographique

Cartographie spatiale

Images de télédétection

Mots clés libres

Fusion

Résumé

Cette thèse propose une méthodologie visant à analyser les changements entre une carte numérique du bâti urbain et des images optiques de télédétection submétriques. Notre approche est basée sur l'utilisation de l'information à priori spécifique des bâtiments symbolisés dans la carte afin de faciliter leur reconnaissance dans une image satellitaire plus récente. Cette connaissance à priori est incorporée comme une contrainte de forme dans un modèle variationnel de recalage fin carte-image par contours actifs. Nous proposons des solutions nouvelles pour une convergence plus rapide, robuste et en même temps plus flexible du contour. Le recalage par contours actif résoud le problème des variabilités exogènes carte-image indépendantes d'un changement effectif et améliore la fiabilité de la détection de changement. Nous illustrons l'efficacité de l'approche proposée à partir d'expériences menées avec une carte d'échelle 1:10 000 et des images satellitaires Quickbird de la ville de Pékin.

This thesis proposes a methodology aiming at analyzing changes between an urban digital map of buildings and sub-meter optical remote sensing data. Our approach is based on the use of specific prior information derived from the buildings symbolized in the map to ease their recognition in a more recent satellite image. This prior knowledge is embedded in a variational model to constrain the shape of active contours intended to achieve map-to-image fine matching. We propose new solutions to improve the robustness, speed and flexibility of the active contours. The fine matching process solves the issue of exogenous variabilities between the map and the image which are independant from real changes and increases the reliability of change detection. We ilustrate the efficiency of our approach with experiments carried out with a 1:10 000 scale map and Quickbird satellite images of Pekin city.