Analyse du milieu urbain par une approche de fusion de données satellitaires optiques et radar

Urban area analysis using radar and optical satellite images : a data fusion approach

• Auteur / Autrice : Oscar Viveros Cancino
• Direction : Josiane Zerubia
• Type : Thèse de doctorat
• Discipline(s) : Sciences pour l'ingénieur
• Date : Soutenance en 2003
• Etablissement(s) : Nice

Mots clés

Mots clés contrôlés

Markov, Processus de

Télédétection

Résumé

Cette thèse concerne l’extraction et l’étude du milieu urbain à partir d’images de télédétection. Après avoir constaté l’insuffisance de l’information radiométrique, nous effectuons une analyse bibliographique des outils d’analyse de la texture urbaine. Parmi ceux-ci, nous sélectionnons un paramètre de variance conditionnelle issu d’un modèle markovien gaussien. Ce paramètre, estimé en chaque point de l’image, nous permet d’extraire un premier masque urbain. Après avoir remarqué la complémentarité des capteurs radar et optique, nous combinons l’information de texture des capteurs SPOT et ERS pour affiner le masque extrait. Pour finir, nous proposons et comparons différents algorithmes supervisés de fission-fusion qui nous permettent une classification intra-urbaine. A partir des images SPOT et ERS sont extraits différents paramètres texturaux ou radiométriques. Une classification est faite sur chacun de ces paramètres. La pertinence d’un paramètre pour les différentes classes est donnée par la matrice de confusion associée à la classification et calculée sur les régions d’apprentissage. A partir des différentes matrices de confusion est défini l’opérateur de fusion. Le site de validation est la ville de Mexico.

This thesis is concerned with the analysis and extraction of urban areas in remote sensing images. As radiometric information alone is insufficient for the detection of such areas, we carry out a study of texture analysis techniques for urban scenes. Of the techniques currently available, we choose to describe texture using the conditional variance parameter of a Gaussian Markov model. This parameter, estimated at each point in the image, allows us to extract our initial urban mask. Having noted the complementary nature of radar and optical sensors, we combine the textural information of SPOT and ERS sensors to refine our mask. Finally, we propose and compare different supervised fission-fusion algorithms which allow us to perform an intra-urban classification. From the SPOT and ERS images we compute different texture and radiometric parameters. A classification is carried out using each of these parameters in turn. The importance of each parameter for each class is given by the corresponding confusion matrix which is computed using training zones. A fusion operator is defined using the different confusion matrices. The site of our study is Mexico City.