Segmentation spatio-temporelle d'une séquence d'images satellitaires à haute résolution

par Camille Le Men

Thèse de doctorat en Signal et images

Sous la direction de Henri Maître et de Mihai Datcu.

Soutenue en 2009

à Paris, Télécom ParisTech .


  • Résumé

    At high resolution, objects such as agricol parcels can be distinguished. A object oriented analysis is thus necessary for high resolution satellite image time series (HRSITS). The objects radiometry evolves through time and this evolution leads to topological changes in the objects. For instance, agricultural areas split up into different parcels in spring. However, except for slight registration errors, the HRSITS prensents a temporal redundancy in the objects shape. We therefore propose a method exploiting the radiometric redundancy intra spatial objects on the on hand, and the objects shape redundancy through time on the other hand. This analysis is based on a mlodelization of the series by a graph, the nodes of which are the spatial objects linked by edges expressing their temporal dependancy. An approximation of this graphe is computed in two steps. First, a strong approximation on the temporal dependancies is considered in order to ease the determination of the spatial regions. These are extracted thanks to a segmentation algorithm by MDL jointly exploiting the two types of available redundancies: the spatial radiometric homogeneity and the temporal geometric redundancy. The graphe nodes thus fixed, we relax the approximation on the temporal dependancy in order to obtain a finer estimation of the graph. The graph thus determined, we propose an automatic radiometric ananlysis of the SITS based on frequent patternsin the paths of an attributed version (by the regions radiometry) of the graph.

  • Titre traduit

    Spatio-temporal segmentation of high resolution satellite image time series


  • Résumé

    A haute résolution, des objets tels que des parcelles agricoles peuvent être distingués. Une analyse orientée objet est donc nécessaire pour les séquences temporelles d'images satellitaires à haute résolution (STISHR). La radiométrie des objets des STISHR évolue au cours du temps, et cette évolution radiométrique conduit à des changements topologiques des objets. Ainsi, les zones agricoles se divisent en différentes parcelles au printemps. Neanmoins, hormis de faibles erreurs de recalage géometrique, la STISHR présente une redondance temporelle dans la forme des objets. Nous proposons donc une méthode permettant d'exploiter d’une part la redondance radiométrique intra objets spatiaux, et d’autre part, la redondance temporelle de forme entre ces objets. Cette analyse s'appuie sur une modélisation de la séquence par un graphe dont les noeuds sont des objets spatiaux reliés par des arcs exprimant leur dépendance temporelle. Une approximation de ce graphe est calculée en deux temps. D'abord, on considère une approximation forte sur les dépendances temporelles afin de faciliter la détermination des régions spatiales. Celles-ci sont extraites grâce à un algorithme de segmentation par MDL exploitant conjointement les deux types de redondances disponibles : l’homogénéite radiométrique spatiale, et la redondance geométrique temporelle. Les noeuds du graphe ainsi determinés,on relaxe l’approximation sur les dépendances temporelles de facon a obtenir une estimation plus fine du graphe. Le graphe ainsi déterminé,on propose une analyse radiométrique automatique de la STIS s'appuyant sur les motifs fréquents des chemins d'une version attribuée (par la radiométrie des régions) du graphe.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (216 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : 261 réf. bibliogr. Résumé en français et en anglais

Où se trouve cette thèse ?

  • Bibliothèque : Télécom ParisTech. Bibliothèque scientifique et technique.
  • Accessible pour le PEB
  • Cote : 7.345 LEME
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.