Characterization of Tuamotu's coconuts plantations using high spatial resolution satellite images
Caractérisation de la cocoteraie des Tuamotu à partir d'images satellites à très haute résolution spatiale.
Résumé
This Ph-D thesis concerns the characterization of coconuts plantations from the Tuamotu archipelago (French Polynésie) using multi-spectral IKONOS images. The first part of the thesis addresses the problem of coconuts enumeration. This enumeration is deduced from a individual segmentation of each coconut. We propose an original segmentation method which does not make use of the infrared channel. The image is first classified into two classes ``vegetal''/``non vegetal'' using a Bayesian classifier. After various preprocessing stages, a watershed segmentation is then applied using specific initial marker points. The algorithm has been validated by image interpretation and by a ground truth. The second part of the thesis is devoted to characterize the plantations in terms of ``artificial'', ``semi-artificial'' and ``wild'' plantations. Two approaches have been proposed. The first one uses a classification on image pixels. A study have been performed on a land cover problem in order to determine the best classifier of the literature and the relevant information to provide to classifiers. We show SVN combined with a textural description of the image gives the best result for the characterization of plantations. The pixel classification has a high computational cost due to the size of image to be processed. We propose an original and alternative method to classify the coconuts plantations analyzing the spatial configuration of each coconut coordinates. We build a statistical test to identify a wild plantation to a Poisson Point Process.
Les travaux effectués pendant cette thèse portent sur la caractérisation des cocoteraies de l'archipel des Tuamotu en Polynésie Française à partir d'images satellites Ikonos multispectrales à très haute résolution spatiale. La première partie de ce travail concerne la segmentation individuelle des cocotiers. Un procédé de classification bayésienne permet d'éliminer les zones non végétales. Puis, un algorithme de segmentation par ligne de partage des eaux est initié à partir de marqueurs judicieusement choisis. Enfin, un travail de validation sur le terrain a été réalisé. Cette validation a permis un passage à l'échelle avec l'application sur une grande quantité de données. Le second volet concerne la caractérisation des plantations. Tout d'abord, les performances des classifieurs sont comparées pour un problème d'occupation des sols. L'ajout des informations de texture permet caractériser les types de plantations avec des méthodes de classification et nous montrons que les SVM obtiennent une meilleure performance en terme de qualité de la classification. Nous proposons une approche duale, qui classifie les types de cocoteraies à partir de la répartition spatiale des coordonnées de chaque cocotier. Cette méthode repose sur une modélisation de type processus ponctuel de Poisson.