Traitements d'images satellitaires pour la detection d'agglomerations

Images processing for agglomerations detection

• Auteur / Autrice : Christophe Gouinaud, Maitre
• Direction : Henri
• Type : Thèse de doctorat
• Discipline(s) : Terre, océan, espace
• Date : Soutenance en 1996
• Etablissement(s) : Paris, ENST

Résumé

Nous avons connu au vingtième siècle un essor sans précèdent des villes. Dans la même période, l'essor de la télédétection comme technique de base pour la cartographie a eu lieu. Nous sommes maintenant dans une situation ou beaucoup de villes sont mal cartographiées et où l'on dispose de capteurs délivrant des images de façon permanente. Les cartographes utilisent donc naturellement ces images mais par des techniques manuelles. Le but de cette thèse est donc de fournir des pistes d'automatisation de ces travaux. Ce travail exploite les informations provenant de deux types de capteur satellitaire : les capteurs radar et les capteurs optiques. Il comporte donc trois parties, dont deux sont consacrées à la détection sur ces deux types d'image et une à la fusion des données extraites en contexte urbain. Nous nous sommes attaches, pour les deux types de capteur, à introduire les bases physiques de la réponse des immeubles, à en déduire une évaluation des méthodes classiques de détection et à proposer de nouveaux indices de texture. Du point de vue du radar, nous proposons deux nouvelles méthodes de détection d'agglomération basées sur l'aspect lisse des constructions. Ces deux méthodes sont dédiées, pour la première, a la détection de zones bâties et non bâties et, pour la deuxième, a une caractérisation de la densité urbaine. Ces nouveaux indices sont évalués sur un jeu d'images-tests provenant des satellites ers1 et jers1. Du point de vue de l'optique, nous proposons deux nouveaux indices et évaluons le potentiel d'un ensemble d'indices classiques en les comparant a des classifications systématiques. Pour cette partie, nous avons utilisé des images de simulation du futur satellite spot 5. Ces deux parties montrent que les classifications directes, à partir des images ou à partir des indices de texture ont leurs limites et nous proposons donc dans la dernière partie des méthodes s'appuyant soit sur une connaissance de la ville, soit sur l'utilisation de champs markoviens, soit sur des processus de fusion de données. Ces méthodes permettent d'obtenir des masques urbains de qualité et des classifications intra-urbaines. Cette partie montre également tout l'intérêt de la fusion de données de capteurs différents et de l'introduction de critères de haut niveau issus de notre connaissance des agglomérations. Ce travail représente un pas vers l'automatisation de l'extraction des agglomérations sur images satellitaires.