Fusion de donnees satellitales pour la cartographie et l'occupation des sols en milieu semi-aride

• Auteur / Autrice : MOHAMED SABER NACEUR
• Direction : Mohamed Rached Boussema, Julien Borgnino
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'ingénieur
• Date : Soutenance en 1999
• Etablissement(s) : Nice

Mots clés

Mots clés contrôlés

Utilisation du sol

Régions arides

Cartographie spatiale

Résumé

Les problemes traites dans la these s'inscrivent dans le cadre general de la classification multicapteurs en teledetection spatiale. Il s'agit d'evaluer la complementarite entre les donnees optique et radar issues de differents capteurs (spot, radarsat) dans un contexte d'occupation du sol en milieu semi-aride en tunisie centrale. L'utilisation de la fusion de donnees permet de profiter au mieux des avantages de chacun des capteurs et de surmonter des limitations individuelles de chacun d'eux. Face a plusieurs methodes de fusion de donnees, rencontrees dans la litterature, nous avons choisi d'utiliser la fusion de donnees au niveau des attributs images qui representent le bas niveau semantique localise au niveau du pixel. Nous avons mis en uvre une methodologie faisant appel a la fusion de donnees en analyse d'images satellitales. Lors de ces formalisations liees aux architectures de fusion percues comme l'association de differentes cellules de fusion, nous avons developpe une architecture dite mixte prenant en consideration la redondance et la complementarite entre capteurs. Dans une deuxieme partie, des pretraitements ont ete effectues sur ces differents capteurs : la correction geometrique et le filtrage de l'image radar. Ensuite, nous avons developpe des algorithmes de classification appliques aux images optique et radar. Nous nous sommes interesses aux methodes non dirigees pour leurs nombreux avantages par rapport aux methodes dirigees : les resultats correspondent a l'information reellement presentee dans l'image, aucune information exterieure n'est introduite a priori, les caracteristiques sont determinees automatiquement au cours de la classification, l'extraction de classes et la separation des classes en sous-classes est possible. Apres l'etude de la complementarite entre capteurs, un algorithme de fusion de donnees, non supervise, fonde sur la theorie des croyances de dempster-shafer a ete propose, ses performances ont ete comparees a d'autres theories comme celle du maximum de vraisemblance.