Classification semi-automatique du terrain en zone rurale par télédétection à haute résolution

Semi-automatic rural land cover classification from high resolution remote sensing images

• Auteur / Autrice : Roger Trias-Sanz
• Direction : Georges Stamon, Jean Louchet
• Type : Thèse de doctorat
• Discipline(s) : Informatique et mathématiques
• Date : Soutenance en 2006
• Etablissement(s) : Paris 5

Mots clés

Mots clés contrôlés

Mesurage cadastral

Classification

Cultures

Végétation -- Télédétection

Utilisation du sol

Télédétection

Traitement d'images

Résumé

Cette thèse présente un chaine d'analyse d'image qui, à partir d'images numériques à haute résolution et à trois ou quatre canaux (50 cm, couleur et, dans certains cas, proche infrarouge), mais aussi en s'appuyant sur le parcellaire cadastral, rend une segmentation des images en parcelles agraires (champs, forêts, vignes,. . . ) et une classification de celles-ci, avec une très haute fiabilité, et attribue à chaque segment classifié une mesure qui indique la confiance que le système a en cette classification. Elle inclut une étude sur l'intérêt de la texture et les espaces de couleur pour la segmentation et la classification, deux méthodes de recalage de graphes sur une image, un modèle de probabilité novateur et ses algorthmes de classification par régions associées, et un éstimateur très précis de la période et de l'orientation.

This thesis presents a complete image analisys system which, from high-resolution 3 or 4-channel digital images (50 cm, colour and optionally near infrared), and using the cadastre database, segments the images into agriculturally-homogeneous regions, (fields, forests, vines, and so on) and classifies these regions, tagging each classified region with a confidence measure which indicates the system's confidence in each classification. It includes a study of the value of texture features and transformed colour spaces for segmentation and classification, two methods for registering a graph onto an image, a novel probability model and associated per-region classification algorithms, and a high precision period and orientation estimator.