Classification non supervisée d'images SAR polarimétriques

par Sylvie Le Hégarat

Thèse de doctorat en Signal et images

Sous la direction de Daniel Vidal Madjar.

Soutenue en 1996

à Paris, ENST .


  • Résumé

    Cette thèse s'inscrit dans le cadre des travaux menés en télédétection pour le suifi et la discrimination des régions naturelles. Par rapport aux instruments optiques, les systèmes radar permettent d'acquérir des informations complémentaires. Or, l'analyse de l'information contenue dans le signal, et l'étude des caractéristiques physiques des régions imagées nécessite la reconnaissance, sur l'image, des différentes catégories de cibles, présentant différentes propriétés de rétrodiffusion. Le but de la classification est alors de fournir des images où l'information est résumée et qui sont donc plus lisibles (notamment sans speckle). Le travail effectué a porté sur le développement d'algorithmes de classification appliqués aux images SAR polarimétriques, la validation des méthodes et des algorithmes proposés, ainsi que l'étude de leur robustesse. Plus précisément, nous nous sommes intéressés aux méthodes non supervisées pour leurs avantages suivants : caractère automatique, possibilité de séparer et d'estimer les caractéristiques de classes inconnues a priori, et surtout obtention de résultats correspondant à l'information réellement présente dans l'image (c'est-à-dire, en particulier, non biaisés par des informations extérieures introduites a priori). Outre le choix d'un vecteur caractéristique (adapté aux images SAR polarimétriques dans notre cas), la mise oeuvre de méthodes de classification non supervisées suppose la définition d'un modèle mathématique de l'image, pour lequel nous avons distingué deux cas : • celui de données «homogènes», c'est-à-dire pour lesquelles nous avons pu définir une même loi de distribution conditionnellement aux classes, et qui fut le cas des données monobandes. Dans le cas de images SAR, le critère de robustesse des estimateurs (de la classification non supervisée) est d'autant plus crucial que la présence de speckle nuit à la qualité de ces estimateurs. L'alborithme préconisé est alors le suivant : estimation des caractéristiques des classes par le fuzzy c-means, puis classification de l'image selon le Maximum A Posteriori. Cet algorithme a ensuite été appliqué au problème du choix de filtres de speckle utilisés en prétraitement de l'image, et au problème de la détermination des fréquences et des polarisations optimales pour la détection des cultures, et de la quantification de l'apport d'information dû à la prise en compte de termes supplémentaires. • celui de données hétérogènes (non modélisables par une même loi de distribution), telles que les images fournies par différents capteurs (multibande radar, optique). Tout d'abord, la complémentarité des images SAR multifréquences et optique-radar a été étudiée. Pour cela, la mesure de redondance définie par Shannon a été appliquée au niveau des classes, ce qui a permis de prendre en compte à la fois l'information radiométrique et celle spatiale. Ensuite, un algorithme de fusion de données, non supervisé, fondé sur la théorie des croyances de Dempster-Shafer a été proposé. Ses performances vis-à-vis de méthodes de fusion simples ont été quantifiées, et il a été validé sur plusieurs jeux de données, correspondant à différents sites (Orgeval, France, Feltwell, Royaume Uni, la Bretagne), et différents capteurs radar ou optiques (AirSAR, SIR-C, Thematic Mapper Simulator, NOAA-AVHRR). Le travail de thèse représente donc une contribution au développement de méthodes d'analyse des données SAR polarimétriques monobandes, multibandes , ou utilisées en synergie avec des données visible/infrarouge.

  • Titre traduit

    Unsupervised classification of polarimetric SAR images


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (204 p.)
  • Annexes : Bibliogr. (73 réf.)

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université Savoie Mont Blanc. Bibliothèque du Laboratoire d'informatique, Systèmes, Traitement de l'information et de la connaissance (LISTIC).
  • Disponible pour le PEB
  • Cote : T P1996/24

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Université Grenoble Alpes (Saint-Martin d'Hères, Isère). Bibliothèque et Appui à la Science Ouverte. Bibliothèque universitaire Joseph-Fourier.
  • Non disponible pour le PEB
  • Cote : MF-1996-LEH
  • Bibliothèque : Université Paris-Est Créteil Val de Marne. Service commun de la documentation. Section multidisciplinaire.
  • PEB soumis à condition
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.