Identification automatisée des espèces d'arbres dans des scans laser 3D réalisés en forêt

Résumé : L’objectif de ces travaux de thèse est la reconnaissance automatique des espèces d’arbres à partir de scans laser terrestres, information indispensable en inventaire forestier. Pour y répondre, nous proposons différentes méthodes de reconnaissance d’espèce basées sur la texture géométrique 3D des écorces.Ces différentes méthodes utilisent la séquence de traitement suivante : une étape de prétraitement, une étape de segmentation, une étape d’extraction des caractéristiques et une dernière étape de classification. Elles sont fondées sur les données 3D ou bien sur des images de profondeur extraites à partir des nuages de points 3D des troncs d’arbres en utilisant une surface de référence.Nous avons étudié et testé différentes approches de segmentation sur des images de profondeur représentant la texture géométrique de l'écorce. Ces approches posent des problèmes de sur-Segmentation et d'introduction de bruit. Pour cette raison, nous proposons une nouvelle approche de segmentation des nuages de points 3D : « Burst Wind Segmentation », inspirée des lignes de partage des eaux. Cette dernière réussit, dans la majorité des cas, à extraire des cicatrices caractéristiques qui sont ensuite comparées à un dictionnaire des cicatrices (« ScarBook ») pour discriminer les espèces d’arbres.Une grande variété de caractéristiques est extraite à partir des régions segmentées par les différentes méthodes proposées. Ces caractéristiques représentent le niveau de rugosité, la forme globale des régions segmentées, la saillance et la courbure du contour, la distribution des points de contour, la distribution de la forme selon différents angles,...Enfin, pour la classification des caractéristiques visuelles, les forêts aléatoires (Random Forest) de Leo Breiman et Adèle Cutler sont utilisées dans une approche à deux étapes : sélection des variables importantes, puis classification croisée avec les variables retenues, seulement.L’écorce de l’arbre change avec l'accroissement en diamètre ; nous avons donc étudié différents critères de variabilité naturelle et nous avons testé nos approches sur une base qui présente cette variabilité. Le taux de bonne classification dépasse 96% dans toutes les approches de segmentation proposées mais les meilleurs résultats sont atteints avec la nouvelle approche de segmentation « Burst Wind Segmentation » étant donné que cette approche réussit mieux à extraire les cicatrices, utilise un dictionnaire de cicatrices et a été évaluée sur une plus grande variété de caractéristiques de forme, de courbure, de saillance et de rugosité.
Type de document :
Thèse
Traitement du signal et de l'image. Université de Bourgogne, 2014. Français. <NNT : 2014DIJOS012>
Liste complète des métadonnées


https://tel.archives-ouvertes.fr/tel-01136693
Contributeur : Abes Star <>
Soumis le : vendredi 27 mars 2015 - 19:25:05
Dernière modification le : vendredi 2 juin 2017 - 03:41:33
Document(s) archivé(s) le : jeudi 2 juillet 2015 - 08:50:43

Fichier

these_A_OTHMANI_Ahlem_2014.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01136693, version 1

Collections

Citation

Ahlem Othmani. Identification automatisée des espèces d'arbres dans des scans laser 3D réalisés en forêt. Traitement du signal et de l'image. Université de Bourgogne, 2014. Français. <NNT : 2014DIJOS012>. <tel-01136693>

Partager

Métriques

Consultations de
la notice

685

Téléchargements du document

494