Segmentation d'images d'observation de la terre par des techniques de géométrie stochastique
Author | : Sébastien Drot |
Publisher | : |
Total Pages | : |
Release | : 2006 |
ISBN-10 | : OCLC:494503485 |
ISBN-13 | : |
Rating | : 4/5 (85 Downloads) |
Download or read book Segmentation d'images d'observation de la terre par des techniques de géométrie stochastique written by Sébastien Drot and published by . This book was released on 2006 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: Les techniques probabilistes utilisées pour la segmentation des images ou la classification sont généralement fondées sur une approche pixélique. Elles sont réputées pour leur robustesse au bruit grâce notamment à la prise en compte des statistiques du bruit et d'information a priori sur la segmentation recherchée (homogénéité, texture). Ces méthodes se sont avérées particulièrement pertinentes principalement sur les données basse ou moyenne résolution (AVHRR, Landsat, SPOT). Avec des données plus résolues (centimétriques) comme les images satellitaires et aériennes haute résolution, les approches pixéliques de la segmentation montrent leurs limites car elles n'utilisent aucune information géométrique sur les objets recherchés (en milieu rural par exemple, les champs sont des entités très géométriques). Il s'avère donc souhaitable de développer des méthodes assurant la prise en compte de ce type d'information. Pour conserver les atouts des approches bayesiennes tout en tenant compte de propriétés géométriques simples, nous proposons des modèles fondées sur des processus objet. Nous avons développé deux familles de modèles à base de triangles équilatéraux : la première à orientation fixe (4 directions de triangles), la seconde à orientation quelconque. Ces modèles contiennent des informations a priori favorisant les configurations (c'est à dire ici les collections de triangles) proches d'un pavage du plan et un terme d'attache aux données donnant une probabilité plus forte aux triangles recouvrant des zones ayant une texture homogène. Ils sont optimisés par un recuit-simulé fondé sur un algorithme de type MCMC à sauts réversibles. A ce stade, nous obtenons une sur-segmentation. Un post-traitement permet ensuite de fusionner les triangles recouvrant des zones de même texture. Cette approche a été appliquée avec succès à des images aériennes optiques ainsi qu' à des images satellitaires radar.