Caractérisation de scènes urbaines par analyse des images hyperspectrales / Saéid Homayouni ; sous la direction de Michel Roux

Date :

Editeur / Publisher : [S.l.] : [s.n.] , 2005

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : français / French

Catalogue Worldcat

Traitement d'images

Analyse en composantes indépendantes

Analyse de scènes (informatique)

Spectroscopie

Roux, Michel (1964-....) (Directeur de thèse / thesis advisor)

Télécom Paris (Palaiseau) (Organisme de soutenance / degree-grantor)

Relation : Caractérisation de scènes urbaines par analyse des images hyperspectrales / Saéid Homayouni / Villeurbanne : [CCSD] , 2007

Relation : Caractérisation de scènes urbaines par analyse des images hyperspectrales / Saéid Homayouni ; sous la direction de Michel Roux / Grenoble : Atelier national de reproduction des thèses , 2005

Résumé / Abstract : La caractérisation d'un environnement tel que le milieu urbain est une tâche délicate car ce milieu est un phénomène complexe par différents aspects. Parmi ceux-ci, l'aspect géographique est considéré comme le plus important qui puisse être étudié par les technologies d'acquisition et les techniques d'analyse de la télédétection. En particulier, la télédétection hyperspectrale a montré son potentiel pour l'acquisition de données et l'extraction d'informations nécessaires pour la modélisation du milieu urbain. Dans cette thèse, pour l'analyse d'image hyperspectrale, deux stratégies supervisée et non supervisée ont été choisi. Nous avons appliqué les techniques de Mise en Correspondance Spectrale, en tant que les méthodes supervisées, en vue de la cartographie des matériaux urbains. Afin d'améliorer les résultats de ces techniques, nous avons proposé une technique de fusion au niveau de la décision. Par ailleurs, une technique non supervisée basée sur l'Analyse en Composantes Indépendantes pour la séparation spectrale et la classification, comme une solution de problème de mélange, est proposée. Elle emploie la technique de groupage C-Moyens Flou, afin d'obtenir une carte de classification floue et sub-pixelique. Ces techniques sont employées sur les données images hyperspectrales acquises par le capteur CASI sur la ville de Toulouse, en France. Elles sont enregistrées en 32 canaux spectraux avec la résolution spatiale de 2 mètres et 48 canaux en 4 mètres de résolution spatiale. Enfin, nous avons comparé les résultats de ces méthodes avec des données de vérité terrain et une évaluation du taux d'erreur de classification a été réalisée pour toutes les techniques.

Résumé / Abstract : Urban area characterization is a delicate task, since these kinds of environments are complex features from various aspects. The geographic aspect of an urban environment may be the most important aspect which could be studied by Remote Sensing techniques. In particular, Hyperspectral Remote Sensing provides valuable information which a priori could effectively help us in information extraction tasks for urban area modelling. In fact, the need for precise, updated and detailed information is necessary within a lot of applications. HIS has been employed for various applications of detection and mapping of materials in natural and urban environment. For HSI analysis, two strategies may be considered; firstly, a supervised strategy and secondly, an unsupervised strategy. For urban materials mapping, we have applied the Spectral Matching techniques, as the supervised methods. In order to improve the results of these techniques, we proposed a fusion technique in decision level. Then, an unsupervised technique based on Independent Components Analysis (ICA), as a solution of mixing problem, is proposed. ICA has been used for spectral separation and classification. The Fuzzy C-Means clustering technique then has been applied in order to obtain a fuzzy classification map. These techniques are applied on hyperspectral images data acquired by CASI sensor over the city of Toulouse in France. These image sets contain the 32 and 48 band images with 2 and 4 meter of spatial resolution, respectively. We have compared the results with the ground truths data by evaluation of the classification accuracy using the matrix of confusion.