Utilisation d'un modèle symbolique pour l'interprétation d'images Radar à Ouverture Synthétique

par Dalila Cherifi

Thèse de doctorat en Signal et images

Sous la direction de Henri Maître et de Florence Tupin.

Soutenue en 2005

à Paris, ENST .


  • Résumé

    Au fil des années, l'imagerie radar à synthèse d'ouverture (RSO ) s'affirme comme une modalité fiable et pertinente en télédétection. En effet, la détection du réseau routier sur ce type d'images par des opérateurs de bas niveau tels que les détecteurs de lignes nous donne un taux de fausses détection élevé. Ceci est dû notamment à la présence du speckle. D'où la nécessité de faire suivre l'étape de bas-niveau par une étape de plus haut niveau, dans laquelle nous injectons des informations structurelles sur la forme des routes par l'intermédiaire d'un modèle symbolique. A cet effet, nous proposons dans cette thèse de traiter deux niveaux de modèles symboliques, par complexité croissante. Dans un premier temps nous traitons un modèle assez complet issu de données cartographiques, avec des informations spatiales relativement précises. Dans un second temps nous utilisons un modèle grossier correspondant à un schéma "manuel" représentant les objets à extraire avec des indications approximatives sur leurs formes et leurs positions relatives. Ainsi, nous proposons dans cette thèse deux approches pour intégrer au mieux cette information exogène. En effet, dans une première partie, nous proposons une méthode markovienne qui permet par l'intermédiaire du terme a priori d'introduire des connaissances sur les objets recherchés. Dans une second partie, nous proposons une méthode de recherche de chemin optimal basée sur la programmation dynamique. Enfin, nous présentons notre méthode d'extraction de réseau routier sur les images radar (RSO ) en utilisant des données symboliques ainsi que quelques applications de notre travail.

  • Titre traduit

    Road extraction from SAR images by using a graphical sketch of road


  • Résumé

    Synthetic Aperture Radar (SAR) instruments are active microwave sensors that operate independently of time of day and weather conditions. SAR can achieve high resolution from long range and provide information about the physical structure and the electrical properties of remotely sensed objects. There has been a growing interest in SAR for automatic target recognition. We are interested in this thesis by road detection in spaceborne SAR (Synthetic Aperture Radar images. Several approaches have been proposed in the literature. They generally consist of two steps: in the first step they use a local operator like edge and line detectors and then they apply a global criterion which incorporates additional knowledge about the structure of the objects to be detected. The aim of this thesis is the detection of road on SAR images starting from a graphical sketch of road defined by a user which is considered as a model of road. To do this we propose to compare two methods. The first one combines both local and global criteria based on Markov Field(MRF). It is based on a previously published methods for road detection in SAR images. The second method uses a dynamic programming, it defines a cost, which depends on local information, and performs a summation minimization process in a graph. The results obtained with the two approaches applied to different SAR images are presented and evaluated with an objective criterion. Finnally, we applied our method based of dynamic programming to extract road network on the different SAR images and we present some applications of our work.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (206 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p.197-205

Où se trouve cette thèse ?

  • Bibliothèque : Conservatoire national des arts et métiers (Paris). Bibliothèque Centrale.
  • Non disponible pour le PEB
  • Cote : B 13758
  • Bibliothèque : Télécom ParisTech. Bibliothèque scientifique et technique.
  • Disponible pour le PEB
  • Cote : 7.345 CHER
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.