Thèse soutenue

Classification d'images RSO polarimétriques à haute résolution spatiale sur site urbain
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Maryam Soheili Majd
Direction : Laurent PolidoriElisabeth Simonetto
Type : Thèse de doctorat
Discipline(s) : Géomatique
Date : Soutenance le 28/04/2014
Etablissement(s) : Paris, CNAM
Ecole(s) doctorale(s) : Ecole doctorale Arts et Métiers (Paris)
Partenaire(s) de recherche : Laboratoire : Laboratoire Géomatique et Foncier. Équipe de Géodésie et de Géomatique (Le Mans)
Jury : Président / Présidente : Florence Tupin
Examinateurs / Examinatrices : Jean-Paul Rudant, Hélène Oriot
Rapporteurs / Rapporteuses : Laurent Ferro-Famil, Jean-Marie Nicolas

Résumé

FR  |  
EN

Notre recherche vise à évaluer l’apport d’une seule image polarimétrique RSO (Radar à Synthèse d’Ouverture) à haute résolution spatiale pour classifier les surfaces urbaines. Pour cela, nous définissons plusieurs types de toits, de sols et d’objets.Dans un premier temps, nous proposons un inventaire d’attributs statistiques, texturaux et polarimétriques pouvant être utilisés dans un algorithme de classification. Nous étudions les lois statistiques des descripteurs et montrons que la distribution de Fisher est bien adaptée pour la plupart d’entre eux. Dans un second temps, plusieurs algorithmes de classification vectorielle supervisée sont testés et comparés, notamment la classification par maximum de vraisemblance basée sur une distribution gaussienne, ou celle basée sur la distribution de Wishart comme modèle statistique de la matrice de cohérence polarimétrique, ou encore l’approche SVM. Nous proposons alors une variante de l’algorithme par maximum de vraisemblance basée sur une distribution de Fisher, dont nous avons étudié l’adéquation avec l’ensemble de nos attributs. Nous obtenons une nette amélioration de nos résultats avec ce nouvel algorithme mais une limitation apparaît pour reconnaître certains toits. Ainsi, la forme des bâtiments rectangulaires est reconnue par opérations morphologiques à partir de l’image d’amplitude radar. Cette information spatiale est introduite dans le processus de classification comme contrainte. Nous montrons tout l’intérêt de cette information puisqu’elle empêche la confusion de classification entre pixels situés sur des toits plats et des pixels d’arbre. De plus, nous proposons une méthode de sélection des attributs les plus pertinents pour la classification, basée sur l’information mutuelle et une recherche par algorithme génétique. Nos expériences sont menées sur une image polarimétrique avec un pixel de 35 cm, acquise en 2006 par le capteur aéroporté RAMSES de l’ONERA.