Vers une occupation du sol France entière par imagerie satellite à très haute résolution.

par Tristan Postadjian

Projet de thèse en Signal, Image, Automatique

Sous la direction de Clément Mallet.

Thèses en préparation à Paris Est , dans le cadre de MSTIC : Mathématiques et Sciences et Technologies de l'Information et de la Communication , en partenariat avec LaSTIG -Laboratoire en Sciences et Technologies de l'Information Géographique (laboratoire) depuis le 22-10-2015 .


  • Résumé

    La nécessité d'une occupation du sol (OCS) de qualité est présente à plusieurs niveaux dans la société actuelle. Que les problématiques abordées soient économiques, écologiques ou sociétales, l'OCS revêt un caractère décisionnel important : elle explique et quantifie l'évolution de phénomènes variés, impactant le territoire (artificialisation des terres, déforestation, PAC, PLU ...). L'Institut national de l'information géographique et forestière (IGN) a lancé le projet OCS-Grande Echelle dont le but sera de proposer une telle OCS. A partir des images satellites Spot 6/7, l'IGN peut produire, chaque année, une image orthorectifiée à très haute résolution sur toute la France métropolitaine. Le but de ce doctorat est de s'en servir pour produire une OCS haute résolution spatiale. Il s'agit donc de fournir une classification du territoire. Les méthodes d'apprentissage dites "profondes" seront exploitées pour cette problématique (réseaux de neurones), approche justifiée par les bases de données disponibles à l'IGN.

  • Titre traduit

    Towards a full France land cover with very high resolution satellite images.


  • Résumé

    Land cover knowledge is necessary for a territory description, and to help local authorities and government to make decisions related to it (protection of farmlands, limitation of space consumption, ecology issues, ...). To achieve that, land cover database is being made with a classification that will fit the needs of the end users. With this in mind, the French Mapping Agency builds a large scale land cover (OCS-GE), using existing databases (aggregation) and spatial analysis tools. Images acquired recently by launched satellites dedicated to the Earth observation, Spot 6/7, allow the production of an annual very high resolution orthoimage map. The new classification is performed on these images and is based on less resolved classifications, in particular the one computed by the CESBIO : the goal is to preserve the classes it detected thanks to the multitemporal analysis (comparison between several images acquired at different dates) and sharpen it with new classes. Hence, a hierarchical approach is used. Deep-Learning methods (Convolutional Neural Networks) are explored as serious alternative to more "classic" algorithm (SVM, Random Forests) for this part, regarding to the images at our disposal and the big data dimension of the topic.