Surveillance maritime par analyse d'images satellitaires optiques panchromatiques
Maritime surveillance using panchromatic optical satellite images
Résumé
The research presented in this thesis aims at determining the possibility of partial or total automatic ship detection in High Resolution optical satellite images. At first, we expose the industrial context of our study, which fixes the constraints in terms of performances and processing time. Then, we present the available satellite data for our study (SPOT 5 panchromatic images of 5m per pixel resolution). Then we detail our approach for ship detection : the first stage is a pre-detection of targets that gives us candidates. The second stage is a precise segmentation of each candidate and the third stage is a classification of candidates. Our pre-detection method is based on the Bayesian decision theory. This pre-detection supplies a set of regions of interests (ROI). Among them, we have ships, but also false alarms due to clouds and to crests of waves. The purpose of the following stage is to eliminate the false alarms and to characterize the pre-detected ships. Then, we detail the method used to segment candidates. It uses active contours and also uses the Bayesian decision theory. After a brief description of the characteristics extracted for the classication of ships, we present the classifier that we used. We complete the ship characterization by presenting two methods of wave ship detection. The first approach uses active contours and the second is based on an a contrario approach. We compare the results of these two approaches. To complete the study and replace it in the industrial and operational context, we present experiments of the complete algorithm on complete images to estimate the performances and the processing time of the whole method.
Les travaux présentés dans cette thèse ont pour but de déterminer la possibilité d'automatiser, partiellement ou totalement, la détection de bateaux à partir d'images satellitaires optiques haute résolution. Nous exposons tout d'abord le contexte industriel dans lequelle s'insère notre étude, qui fixe les contraintes en termes de performances et de temps de traitement. Puis, nous présentons les données satellitaires disponibles dans le cadre de notre étude (images SPOT 5 panchromatique de résolution 5m). Après avoir illustré le contenu des scènes, nous présentons la démarche adoptée pour la détection des navires : une phase de pré-détection suivie d'une étape de segmentation et d'une étape de classification. La méthode de pré-détection utilisée s'appuie sur la théorie bayésienne de la décision. Après avoir présenté le modèle classique, nous discutons du modèle que nous avons utilisé. Cette pré-détection fournit un ensemble de régions d'intérêts. Parmi elles, nous n'avons pas uniquement des bateaux, nous avons également des fausses alarmes dues aux nuages et aux crêtes de vagues. Le but de l'étape suivante est à la fois d'éliminer les fausses alarmes et de caractériser les bateaux pré-détectés. Ensuite, nous détaillons la méthode utilisée pour segmenter les bateaux. Elle s'appuie sur des contours actifs et utilise également la théorie bayésienne de la décision. Après avoir décrit les caractéristiques extraites pour la classification des bateaux, nous présentons le classifieur utilisé. Nous complétons la caractérisation des navires en présentant deux méthodes de détection des sillages différentes des méthodes classiques. La première approche s'appuie sur l'utilisation de contours actifs et la seconde est basée sur une approche a contrario. Nous comparons les résultats des ces deux approches. An de compléter l'étude et se replacer dans le contexte industriel et opérationnel de la thèse, nous présentons des expérimentations de l'ensemble de l'algorithme sur des images complètes pour évaluer les performances et le temps de traitement.
Loading...