Apprentissage de connaissances structurelles pour la classification automatique d’images satellitaires dans un environnement amazonien

Résumé : Les méthodes actuelles d'analyse et d'interprétation d'images satellitaires s'avèrent inadaptées au volume du flux actuel et futur des données. L'automatisation de l'interprétation contextuelle de ces images devient donc cruciale pour la caractérisation, le suivi, la modélisation et la prédiction des phénomènes observables par satellite et évoluant dans le temps et l'espace. Dans ce contexte, ce travail vise à contribuer à la cartographie dynamique de l'occupation/usage du sol à partir d'images satellitaires, par des mécanismes expressifs, facilement interprétables et faisant intervenir explicitement les aspects structurels de l'information géographique. Il s'inscrit dans le cadre de l'analyse d'images basée objet et fait l'hypothèse qu'il est possible d'extraire les connaissances contextuelles utiles à partir de cartes existantes. Ainsi, une méthode de paramétrage supervisé d'un algorithme de segmentation d'images, à partir d'une segmentation de référence fournie par une carte d'occupation du sol, est proposée. Dans un deuxième temps, une méthode de classification supervisée d'objets géographiques est présentée, combinant apprentissage automatique à partir de cartes, par Programmation Logique Inductive (PLI), et classement par l'approche Multi-class Rule Set Intersection (MRSI). Enfin, des indices de confiance de prédiction sont définis, facilitant l'interprétation et l'acceptabilité des résultats par l'utilisateur final. Ces approches sont évaluées et discutées dans deux contextes applicatifs relatifs à la cartographie de la bande côtière guyanaise. Les résultats démontrent la faisabilité du paramétrage de la segmentation, mais également la variabilité des valeurs optimales du paramètre en fonction des classes de la nomenclature de la carte de référence et des données d'entrée du processus de paramétrage. Des développements méthodologiques permettent cependant d'envisager une mise en oeuvre opérationnelle de la méthode. Les résultats de la classification supervisée montrent, quant à eux, qu'il est possible d'induire des règles de classification expressives, véhiculant des informations cohérentes et structurelles dans un contexte applicatif donné, et conduisant à des valeurs satisfaisantes de précision globale et de Kappa (respectivement 84,6% et 0,7). Ce travail de thèse contribue ainsi à l'automatisation de la cartographie dynamique à partir d'image de télédétection et propose des perspectives originales et prometteuses.
Liste complète des métadonnées

Littérature citée [124 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01133967
Contributeur : Meriam Bayoudh <>
Soumis le : vendredi 20 mars 2015 - 19:39:52
Dernière modification le : mercredi 18 juillet 2018 - 20:02:03
Document(s) archivé(s) le : lundi 17 avril 2017 - 20:15:00

Fichier

Identifiants

  • HAL Id : tel-01133967, version 1

Citation

Meriam Bayoudh. Apprentissage de connaissances structurelles pour la classification automatique d’images satellitaires dans un environnement amazonien. Intelligence artificielle [cs.AI]. Université des Antilles et de la Guyane, 2013. Français. 〈tel-01133967〉

Partager

Métriques

Consultations de la notice

893

Téléchargements de fichiers

1674