Analyse de textures dans l'espace hyperspectral par des méthodes probabilistes / par Guillaume Rellier ; sous la dir. de Josiane Zerubia

Date :

Editeur / Publisher : [S.l.] : [s.n.] , 2002

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : français / French

Catalogue Worldcat

Markov, Champs aléatoires de

Markov, Spectre de

Traitement d'images

Zerubia, Josiane (1957-....) (Directeur de thèse / thesis advisor)

Université de Nice (1965-2019) (Organisme de soutenance / degree-grantor)

Université de Nice-Sophia Antipolis. Faculté des sciences (Autre partenaire associé à la thèse / thesis associated third party)

École doctorale Sciences et technologies de l'information et de la communication (Sophia Antipolis, Alpes-Maritimes) (Ecole doctorale associée à la thèse / doctoral school)

Relation : Analyse de textures dans l'espace hyperspectral par des méthodes probabilistes / par Guillaume Rellier / Villeurbanne : [CCSD] , 2010

Relation : Analyse de textures dans l'espace hyperspectral par des méthodes probabilistes / par Guillaume Rellier ; sous la dir. de Josiane Zerubia / Grenoble : Atelier national de reproduction des thèses , 2002

Résumé / Abstract : Dans cette thèse, on aborde le problème de l'analyse de texture pour l'étude des zones urbaines. La texture est une notion spatiale désignant ce qui, en dehors de la couleur, caractérise l'homogénéité visuelle d'une zone donnée d'une image. Le but de cette étude est d'établir un modèle conjointement spectral et spatial de texture hyperspectrales, images caractérisées par un grand nombre de canaux. Les textures sont modélisées par un champ de Markov gaussien vectoriel. Ce champ est adapté aux images hyperspectrales par une simplification évitant l'apparition de problèmes d'estimation statistique dans des espaces de grande dimension. On effectue également une réduction de dimension des données par poursuite de projection, qui permet de déterminer un sous-espace de projection dans lequel un indice de projection est optimise. La méthode d'analyse de texture est testée dans le cadre d'une classification supervisée, grâce a 2 algorithmes que l'on applique a des images AVIRIS.

Résumé / Abstract : In this work, we investigate the problem of texture analysis of urban areas. Texture is a spatial concept that refers to the visual homogeneity characteristics of an image. The aim of this research is to define a joint specctral and spatial texture model for hyperspectral images which have a large number of bands. Textures are modeled by a vectorial Gauss-Markov random field. This field has been adapted to hyperspectral images by a simplification which avoids statistical estimation problems common to high dimensional spaces. We also reduce the dimensionality of the data, using a projection pursuit algorithm, which determines a projection subspace in which a projection index is optimized. This texture analysis method is tested within a supervised classification framework, using two classification algorithms we apply to AVIRIS hyperspectral images.