Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites"

Transcription

1 Projet GIZ-CRTS Formation en Télédétection spatiale et SIG CRTS, janvier 2016 Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites Abderrahman ATILLAH Adresse: Secteur 21, Angle Av. Allal El Fassi et Av. Assanawbar, Secteur 21, Hay Riad, RABAT Tèl: /98 Fax: Traitement d image? Réponse à un Problème particulier Choix d une technique de traitement?? Thème? Période Type de données satellites Résolution/Echelle Disponibilités données terrain 1

2 Amélioration visuelle Traitement d image : Réponse à un Problème particulier Définition du thème d intérêt Résultat non satisfaisant Choix des outils de traitement Traitement Visualisation du résultat Résultat satisfaisant Carte thématique d aide à la décision Intégration dans une BD SIG Pré traitements numériques des images : -Corrections géométriques qui permettent -de superposer les images multidates -de faire les mosaïquages spatiaux -d ccquérir un référenciel cartogrpahique: géoréférencement -Corrections radiométriques -Calibration des valeurs radiométriques des canaux et Standardisation des images dans le temps -Passage des valeurs radiométriques aux valeurs géophysiques -Corrections atmosphériques -Elimination les effets perturbateurs de l atmosphère 2

3 Prétraitements numériques des images Amélioration visuelle des images : -Rehaussement des contrastes spectraux de l image : -Aide à la définition etàla distinction des objets - Travail sur l histogramme des canaux -Filtrage spatial des pixels -Elimination des artefacts et des bruits (Filtre passe bas ) -Homogénéisation des structures et régions (Filtre passe bas.) -Détermination des structures Fines ( Filtre passe haut ) -Travail sur le voisinage des pixels Amélioration visuelle des images 3

4 Traitement numérique des images (Principales Méthode d extraction de l information) 1. Techniques semi automatiques : méthode de la photo interprétation 2. Techniques automatiques : Transformations des images (Combinaisons multi bandes) création des néo canaux par combinaison multibandes: - combinaisons de canaux, - Analyse statistique. Classification des images. - classification non supervisée, - classification supervisée. Photo-interprétation visuelle de l image La Photo-interprétation: c est l analyse visuelle d une image (par un interprète et la localisation d un(des) objet(s). Elle est basée sur des clefs d interprétation : couleur, structure, texture, ombre, forme, taille -Elleviseàproduireuneinformationrelativeàunlieuetdépendante d une thématique. - Le résultat de cette photo-interprétation est variable selon le champs thématique étudié. 4

5 Photo interpretation : Technique de Stratification - Identification des différentes structures (structure parcellaire, structure linéaire, ) -Numérisation des informations par dessus de l image - Passer du mode raster (image) au mode vecteur (couverture) Trois mode de représentation des informations vectorielles : - Polygone :surface - Ligne : structure linéaire - point : information ponctuelle -Vectorisation - Assignation des labels 9 Etablissement de la nomenclature Nomenclature sous forme d arborescence Espaces naturels et semi naturels Forêt Parcours Sable/plage Incultes Carrières Forêt dense Sable mouillé Sable sec Sol nu Roche nue Extr. sable Extr. autres matériaux Forêt claire Broussaille 1. Espaces naturels et semi naturels 2. Territoires artificialisés 3. Surfaces en eau et zones humides 4. Territoires agricoles 10 5

6 Exemple de produit d occupation du sol élaboré par photo interprétation Province d Agadir 11 Exemple de produit d occupation du sol élaboré par photo interprétation Carte de stratification au 1/ de la province de Kénitra (Maroc) Légende Zones de cultures non irriguées Zones de cultures irriguées Plantations Forêt Parcours et inculte Grandes villes Légende Petites villes Villages (douars) 6

7 Carte de stratification au 1/ de la province de Kénitra (Maroc) Légende Zones de cultures non irriguées Zones de cultures irriguées Plantations Forêt Parcours et inculte Grandes villes Légende Petites villes Villages (douars) Méthodes automatiques d extraction de l information Principales méthodes d extraction de l information thématique à partir des images satellitaires : création des néo canaux par combinaison multi bandes : - combinaisons de canaux, - Analyse statistique. Classification d images. - classification non supervisée, - classification supervisée. 7

8 Méthodes automatiques d extraction de l information Création de néo-canaux - La transformation des images est un procédé qui combine le traitement des données de plusieurs bandes spectrales pour compresser le nombre ou extraire de nouveaux canaux -Basée sur des opérations arithmétiques (addition, soustraction, multiplication, division) pour la transformation des bandes originales en de "nouvelles" images de manière à rehausser certains éléments moins évidents dans la scène originale. - l opération s effectue pixel par pixel Extraction de l information thématique contenue dans les bandes spectrales des images: ex. production de biomasse ou évolution de types d occupation du sol, déforestation, changement des cultures (soustraction entre deux images prises à des dates différentes) 15 Méthodes automatiques d extraction de l information Création de néo-canaux -La transformation des images est un procédé qui combine le traitement des données de plusieurs bandes spectrales pour compresser le nombre de ces bandes ou extraire de nouveaux canaux. -Basée sur des opérations arithmétiques (addition, soustraction, multiplication, division), cette opération transforme les bandes originales en de "nouvelles" images de manière à rehausser certains éléments moins évidents dans la scène originale. - l opération s effectue pixel par pixel -C est la création des indices 16 8

9 Calcul d indices statistiques - C est l opération la plus commune utilisée dans de nombreux domaines (géologie, écologie, agriculture,...) Il est basé sur le calcul de rapports spectraux : la division d images (le calcul de rapports entre deux bandes spectrales différentes) permet de rehausser les variations subtiles dans la réponse spectrale de différents types de surface, pour : Extraire l information thématique contenue dans les bandes spectrales des images: Ex. production de biomasse ou évolution de types d occupation du sol, déforestation, changement des cultures (soustraction entre deux images prises à des dates différentes) 17 Indice de végétation -La végétation : - réfléchit fortement dans le Proche Infra Rouge (Canal PIR) - et absorbe fortement dans le Rouge (Canal Rouge, R) -Les autres types de surface comme le sol nu et l'eau ont des réflectivités presque égales dans ces deux zones du spectre. Il est donc facile de différencier la végétation des autres types de surface en utilisant cette transformation 9

10 Avantage du NDVI : réduction de l effet de variation de l illumination du à la topographie Indice de végétation NDVI = (PIR - R) / (PIR + R), R = canal rouge, PIR : canal Proche Infrarouge Les valeurs sont comprises entre 0 et 1, 0 = sol nu (désert), près de 1 : très forte végétation, Avantage du NDVI : -Réduction de l effet de variation de l illumination du à la topographie -Meilleure taux de recouvrement et bonne estimation de la densité du couvert végétal (intensité de l activité photosynthétique) et de la biomasse (indication des rendements, détection des déficits hydriques, maladies) -Meilleure comparaison des indices pour chaque région donnée: facilité d analyse et d interprétation - Bon suivi de l évolution de la végétation et des stades phrénologiques 20 10

11 Indice de végétation (NDVI) Indice de végétation (NDVI) NDVI de la région SE de Bruxelles : TM4 (PIR) et TM3 (R) LANSAT TM: NDVI = (TM4 TM3) / (TM4 + TM3) 22 11

12 Indice de végétation Exemples d applications de combinaison de canaux pour la génération de l Indice de végétation NDVI = (PIR R) / (PIR + R) SPOT: NDVI = (XS3 XS2) / (XS3 + XS2) 23 Exemple d indice de végétation NOAA/AVHRR Avril

13 Evolution des indices de végétation dans la région de Chaouia Doukkala 3 ème décade de février 08 3 ème décade de mars 08 3 ème décade d avril 08 Autres Indices Exemples d applications de combinaison de canaux : Indices de brillance: IB = (PIR² + R²) 0,5 C est un indice qui caractérise les sols (couleur, humidité, texture, structure) NDWI : Normalised Difference Water Index NDWI : (PIR IRC) / (PIR + IRC) NDWI = R(0.S6 um)- R(1.24,um)/R(0.86 um)+ R(1.24um) Il existe d autres indices : - Indice de minéralité - Indice de couleur -Indice de verdure de la végétation - 13

14 Indice de brillance Indice de couleur 14

15 NDWI Analyse statistique : Analyse en Composante Principale (ACP) C est une analyse statistique qui permet la réduction du nombre de bandes à traiter avec la création de nouveaux canaux (néocanaux) non corrélés. 15

16 A C P -L Analyse en Composantes Principales (ACP) est une opération effectuée sur plusieurs canaux, dans le but est d améliorer la qualité des images, de supprimer les redondances d informations et de compiler les données. -L objectif est de générer des axes ou composantes principales expliquant la position des individus au sein du groupe. Le résultat prend la forme de plusieurs nouveaux canaux, présentant un intérêt explicatif décroissant. Pour les images multispectralesà plus de trois canaux, l intérêt est de pouvoir afficher l ensemble de l image. L ACP permet de réduire le nombre des canaux à 3 de façon à pouvoir les superposer. Canaux A C P Le premier canal (ACP1), le plus intéressant, présente la radiance globale de l image, améliorant considérablement les contrastes. Ce canal, d une grande richesse thématique, est une bonne représentation synthétique de l image. Le deuxième (ACP2), rend compte des principales différences spectrales entre les canaux sources. Il est en général très bien adapté à l étude de la végétation et est assez fortement corrélé avec le canal proche infrarouge et dans une moindre mesure avec l indice de végétation normalisé. Le troisième (ACP3) est généralement constitué du bruit résiduel, et ne présente que rarement de l intérêt. Les pixels aberrants ou les défauts des capteurs, qui apparaissent sur ce canal, sont ainsi absents des deux autres. 16

17 CLASSIFICATION DES IMAGES 17

18 Classification - C est le procédé qui permet le regroupement des pixels homogènes en classes. -Chaqueclasseestidentifiéeparuncodeouunecouleur. -Le regroupement se base sur les statistiques et les caractéristiques spatiales et spectrales des pixels. - La classification a pour objectif de transformer les mesures radiométriques (CN) en des classes ayant une signification thématique. Exemple Image brute Image classifiée Classification PRINCIPE Chaque pixel de l image (A) est affecté à une certaine classe ou thème (eau, forêt, maïs, ) (B) en se basant sur les caractéristiques statistiques de la valeur de l'intensité du pixel. C est la reconnaissance de regroupements spectraux. -Regroupement des ensembles de pixels similaires (dans l espace à n dimensions) en classes distinctes 36 18

19 CLASSIFICATION DES IMAGES Processus de classification : Notion de classes : Classes spectrales: classes discriminées grâce à l information contenue dans les images Classes thématiques: les classes que l utilisateur cherche à séparer Le processus de classification est composé des étapes suivantes: 1. Choixdescanauxàutiliser 2- Identification et Etablissement des classes thématiques et des classes de signatures spectrales correspondantes(apprentissage spectrale) 3. Découpage de l espace spectral ou choix des distances(fixation des limites : mesurer les distances des signatures) a) distances circulaires (euclidienne, ) b) distances elliptiques (par blocs, quadratiques, par corrélation, ) c) distances coniques. 37 CLASSIFICATION DES IMAGES 4- Classification de chacun des pixels en fonction de sa signature spectrale /classes spectrale donnée: - Identification et Classement des pixels en fonction de leur valeurs numériques (leurs signatures spectrales) : identification de groupes homogènes de pixels (dans un espace à N dimensions) et regroupement en classes 5- Vérification des résultats : évaluation et amélioration N.B. - La classification est faite sur des données multi spectrales : elle utilise l'information spectrale contenue dans les valeurs d'une ou plusieurs bandes spectrales pour classifier chaque pixel individuellement Deux approches Connaissance a priori sur les signatures des classes Pas de connaissance a priori sur les signatures des classes Classification supervisée Classification non supervisée 38 19

20 Classification non dirigée : automatique - Pas d information a priori sur le terrain (pas d échantillons) -Aucune information sur les signatures spectrales n est communiquée à l ordinateur -Elle utilise généralement un algorithme de classification basé sur l analyse de l histogramme de l image dans les différentes longueurs d onde disponibles (analyse de la distribution de l ensemble des signatures spectrales des pixels de l image). Processus Classification non supervisée -L algorithme définit le centre des classes spectrales en fonction de leur densité de distribution -Regroupement des pixels sur la base des signatures spectrales similaires -Tous les pixels seront alloués à l une ou l autre classe en fonction de 39leur distance par rapport aux centres de classes Classification non dirigée Généralement l opérateur spécifie trois paramètres: Lenombredeclasses, L algorithme de classification, Le nombre d itérations. Validation: - accepte la classification -rejette la classification Redéfinit les paramètres Image Seuillage radiométrique des canaux de l image Interprétation des résultats: -assignation d étiquettes aux différentes classes (observations du terrain / documents exogènes). Algorithme de traitement (nuée dynamique, blocs, ) Avantage: rapide Inconvénient: basée exclusivement sur les signatures spectrales qui ne correspondent pas toujours à des catégories naturelles bien identifiées Image «classée» radiométriquement Affectation thématique 40 20

21 CLASSIFICATION SUPERVISEE Connaissance du Terrain (parcelles tests) Image Seuillage radiométrique des canaux de l image Algorithme de traitement (maximum de vraisemblance /approche probabiliste) (approche métrique) ( approche pixels purs,..) Echantillonnage Terrain/ Image Image «classée» thématiquement Validation de la classification Classification supervisée ou dirigée Classification supervisée : classification basée sur une méthode statistique, mais à philosophie déterminante 42 21

22 Classification dirigée L opérateur détient des connaissances a priori sur la nature des objets contenus dans l image. L opérateur communique ces informations à l ordinateur pour son apprentissage. L opérateur identifie des zones d entraînement sur l image: - Bien répandues sur l image, - Nombre suffisant de pixels / classe Classification supervisée L opérateur choisit un algorithme de classification: Méthode par hypercube Méthode par minimum de distance Maximum de vraisemblance 43 CLASSIFICATIONS Traitement Numérique des images Image d origine Image classifiée 44 22

Analyse du bocage par imagerie de télédétection : Comparaison à l analyse manuelle. Dr Ludovic Journaux En collaboration avec David Michelin

Analyse du bocage par imagerie de télédétection : Comparaison à l analyse manuelle. Dr Ludovic Journaux En collaboration avec David Michelin Analyse du bocage par imagerie de télédétection : Comparaison à l analyse manuelle Dr Ludovic Journaux En collaboration avec David Michelin Comité de pilotage du Réseau Bocages de Bourgogne du 4/12/2015

Plus en détail

La télédétection urbaine à l'aube de la très haute résolution spatiale

La télédétection urbaine à l'aube de la très haute résolution spatiale La télédétection urbaine à l'aube de la très haute résolution spatiale J.-P. Donnay, C. Collet & C. Weber Réseau Télédétection de l'auf - Lausanne - novembre 1999 1. Émergence : Phase 0 Photographie aérienne

Plus en détail

Photo-interprétation et Télédétection

Photo-interprétation et Télédétection Photo-interprétation et Télédétection L3 CM5 GO 651 Caen 2007 Anne PUISSANT Sommaire 1. Introduction 2. Principes fondamentaux de la télédétection 3. Spécificités des PA 4. Spécificités des images satellites

Plus en détail

LA COUVERTURE VÉGÉTALE DU CŒUR DE L AGGLOMÉRATION DE PARIS

LA COUVERTURE VÉGÉTALE DU CŒUR DE L AGGLOMÉRATION DE PARIS LA COUVERTURE VÉGÉTALE DU CŒUR DE L AGGLOMÉRATION DE PARIS Une approche par la télédétection de précision par Marie-Thérèse Besse et Paul Rouet Atelier parisien d urbanisme Banque de données urbaines 9,

Plus en détail

BRGM/RP RP- 54 787 - FR

BRGM/RP RP- 54 787 - FR Aide à la mise au point d une méthodologie de traitement de la couverture territoriale SPOT 5 pour le calcul des superficies dégradées par l ancienne activité minière en Nouvelle-Calédonie Rapport final

Plus en détail

Travaux dirigés d analyse d image

Travaux dirigés d analyse d image Travaux dirigés d analyse d image A partir du cours de Claude Kergomard, ENS Paris. http://www.geographie.ens.fr/img/file/kergomard/teledetection/cteledetection.pdf Partie A. Etude d une image NOASS 14-AVHRR

Plus en détail

Analyse en Composantes Principales (ACP)

Analyse en Composantes Principales (ACP) Analyse en Composantes Principales (ACP) Principal Component Analysis (PCA) Nicolas Stoiber Dynamixyz Contexte : traitement du signal Problématique: comment, dans ce contexte, représenter des entités,

Plus en détail

Analyse d images numériques en microscopie

Analyse d images numériques en microscopie Analyse d images numériques en microscopie Yves Usson Reconnaissance et Microscopie Quantitative, Laboratoire TIMC UMR5525 CNRS Institut d Ingénierie et d Information de Santé (IN3S), La Tronche Traitement

Plus en détail

La Grille, moyen fondamental de l analyse

La Grille, moyen fondamental de l analyse Fiche méthodologie #1 La Grille, moyen fondamental de l analyse Cette rubrique présente des notes et documents publiés par Philippe Latour, enseignant au Master Géomarketing et stratégies territoriales

Plus en détail

Topographie opérationnelle

Topographie opérationnelle Michel Brabant avec le concours de Béatrice Patizel, Armelle Piègle et Hélène Müller Topographie opérationnelle Mesures - Calculs - Dessins - Implantations Groupe Eyrolles, 2012, ISBN : 978-2-212-12847-5

Plus en détail

Présentation des Images et introduction a la reconnaissance des formes

Présentation des Images et introduction a la reconnaissance des formes Master Info 1 Image et RF Présentation des Images et introduction a la reconnaissance des formes Plis fòs ba pengwen là! Objet de ce cours? Comprendre comment est acquise / stockée une image. Quelles mesures

Plus en détail

Cartographie de la couverture de fucales en zone intertidale

Cartographie de la couverture de fucales en zone intertidale Centre d Etude et de Valorisation des Algues Perrot, T., et Mouquet, P., RST/IFREMER/DYNECO/VIGIES/06-10/REBENT Cartographie de la couverture de fucales en zone intertidale Région Bretagne Zone Douanenez

Plus en détail

Inventaire des zones humides Vosges alsaciennes & Jura alsacien - Télédétection

Inventaire des zones humides Vosges alsaciennes & Jura alsacien - Télédétection Inventaire des zones humides Vosges alsaciennes & Jura alsacien - Télédétection Présentation // Généralités Objectifs>> Etudier les apports possibles des techniques de télédétection dans la cartographie

Plus en détail

Plan. 1. Généralités. 2. Types d Images. 3. Numérisation. 4. Couleurs. 5. Introduction au traitement d Images. 6. Dégradations d une image

Plan. 1. Généralités. 2. Types d Images. 3. Numérisation. 4. Couleurs. 5. Introduction au traitement d Images. 6. Dégradations d une image Plan Licence Pro 1. Généralités 2. Types d Images 3. Numérisation Bases de traitement d images 4. Couleurs Alain Dieterlen 5. Introduction au traitement d Images 6. Dégradations d une image Groupe LAB.EL,

Plus en détail

Inventaire par télédétection des pelouses sèches du Bas-Vivarais

Inventaire par télédétection des pelouses sèches du Bas-Vivarais Inventaire par télédétection des pelouses sèches du Bas-Vivarais Conservatoire d Espaces Naturels Rhône Alpes - Cermosem Gustave Coste - Stagiaire Montpellier SupAgro gustavecoste@gmail.com Nicolas Robinet

Plus en détail

2 - La télédétection optique

2 - La télédétection optique Introduction à la télédétection 2 - La télédétection optique OLIVIER DE JOINVILLE Table des matières I - Principes d'acquisition des images 5 A. Acquisition d'une image...5 1. 2. 3. 4. Le scanner...6 Le

Plus en détail

Informatique visuelle - Vision par ordinateur. Pré-traitement d images

Informatique visuelle - Vision par ordinateur. Pré-traitement d images Informatique visuelle - Vision par ordinateur Pré-traitement d images Elise Arnaud elise.arnaud@imag.fr cours inspiré par X. Descombes, J. Ros, A. Boucher, A. Manzanera, E. Boyer, M Black, V. Gouet-Brunet

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.

Plus en détail

Chapitre III : Traitement d Images Traitement d amélioration et d extraction d indices

Chapitre III : Traitement d Images Traitement d amélioration et d extraction d indices Chapitre III : Traitement d Images Traitement d amélioration et d extraction d indices I. QUELQUES RAPPELS SUR LES BASES DU TRAITEMENT D IMAGES 1. Principe d acquisition d une image par un capteur: 2-

Plus en détail

L imagerie géospatiale et ses applications

L imagerie géospatiale et ses applications SIG 2008 L imagerie géospatiale et ses applications De l image à l information géographique Copyright 2008 ITT Visual Information Solutions Tous droits réservés Plan Les images et leur diversité Le traitement

Plus en détail

Projet LDAS-Maroc composante Aide à la lutte préventive du criquet pèlerin

Projet LDAS-Maroc composante Aide à la lutte préventive du criquet pèlerin Projet LDAS-Maroc composante Aide à la lutte préventive du criquet pèlerin SEMINAIRE DE CLÔTURE Rabat 11 mai 2015 Mohammed Faouzi SMIEJ smiej@crts.gov.ma Abderrahman Atillah atillah@crts.gov.ma Présentation

Plus en détail

Fusion de classifiers visuels et textuels pour un système de recherche d images

Fusion de classifiers visuels et textuels pour un système de recherche d images Fusion de classifiers visuels et textuels pour un système de recherche d images Sabrina Tollari, Hervé Glotin, Jacques Le Maitre Université du Sud Toulon-Var Giens, 16 juin 2004 1 Plan Problématique Du

Plus en détail

Vérification du bâti à partir de la disparité de points de contour

Vérification du bâti à partir de la disparité de points de contour Vérification du bâti à partir de la disparité de points de contour Charles Beumier Signal and Image Centre (Prof. Marc Acheroy) Ecole royale militaire Bruxelles, Belgique 8 Jan 29, Paris-Tech 1 Vérification

Plus en détail

Analyse d images. L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

Analyse d images. L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : Analyse d images La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers

Plus en détail

Utilisation de l imagerie spatiale pour le suivi de la désertification au Maroc

Utilisation de l imagerie spatiale pour le suivi de la désertification au Maroc Utilisation de l imagerie spatiale pour le suivi de la désertification au Maroc Atelier sur l utilisation des techniques spatiales pour le développement durable Rabat, 26 avril 2007 Noureddine BIJABER,

Plus en détail

Innovation dans l évaluation de la ressource : nouvelles techniques de caractérisation Regefor 2015 INRA Champenoux

Innovation dans l évaluation de la ressource : nouvelles techniques de caractérisation Regefor 2015 INRA Champenoux Innovation dans l évaluation de la ressource : nouvelles techniques de caractérisation Regefor 2015 INRA Champenoux Alexandre Piboule, Anne Jolly ONF - Département Recherche, Développement et Innovation

Plus en détail

Distance et classification. Cours 4: Traitement du signal et reconnaissance de forme

Distance et classification. Cours 4: Traitement du signal et reconnaissance de forme Distance et classification Cours 4: Traitement du signal et reconnaissance de forme Plan Introduction Pré-traitement Segmentation d images Morphologie mathématique Extraction de caractéristiques Classification

Plus en détail

5. Traitement d'image? 5.3 Segmentation : détourage automatique et sélection par les couleurs

5. Traitement d'image? 5.3 Segmentation : détourage automatique et sélection par les couleurs 5. Traitement d'image? 5.3 Segmentation : détourage automatique et sélection par les couleurs PLAN 5.3.1 Définition et utilité 5.3.2 Détourage Hypothèses Principe Traitements automatiques/manuels Règlages

Plus en détail

TRAITEMENT DE L'IMAGE SATELLITAIRE

TRAITEMENT DE L'IMAGE SATELLITAIRE 233 TRAITEMENT INFORMATIQUE DE L'IMAGE SATELLITAIRE INTRODUCTION Les images recueillies par les satellites d'observation sont, dans leur quasi-totalité, diffusées à la fois sous forme de reproductions

Plus en détail

Variation du paysage céréalier en Tunisie : apport de l information satellitaire. 2008.

Variation du paysage céréalier en Tunisie : apport de l information satellitaire. 2008. تغيرات المناظر الطبيعية للحبوب في البلد التونسية و مردود.معطيات القمارالصناعية Variation du paysage céréalier en Tunisie : apport de l information satellitaire. Figure 1: Terra_500 2006_090 Fayçal BEN

Plus en détail

TP3_PARTIE B : SEGMENTATION D IMAGE RADAR

TP3_PARTIE B : SEGMENTATION D IMAGE RADAR TP3_PARTIE B : SEGMENTATION D IMAGE RADAR Le but de cet exercice est de pratiquer avec un algorithme de segmentation d images dans le cas des images radar. Bien que l algorithme disponible par PCI ne soit

Plus en détail

Réseaux neuronaux artificiels : exemples d applications géoscientifiques

Réseaux neuronaux artificiels : exemples d applications géoscientifiques Réseaux neuronaux artificiels : exemples d applications géoscientifiques Par Sylvain Trépanier CONSOREM, UQAM CONSOREM Consortium de recherche en exploration minérale Aurizon Cambior Majescor Falconbridge

Plus en détail

QU'EST CE QU'UN SYSTÈME D'INFORMATION GÉOGRAPHIQUE? Institut de recherche pour le développement

QU'EST CE QU'UN SYSTÈME D'INFORMATION GÉOGRAPHIQUE? Institut de recherche pour le développement QU'EST CE QU'UN SYSTÈME D'INFORMATION GÉOGRAPHIQUE? Institut de recherche pour le développement Définition du SIG Informatisation SIG Information localisée à la surface de la terre Base de données géoréférencées

Plus en détail

8TRD147: Animation et images par ordinateur

8TRD147: Animation et images par ordinateur 8TRD147: Animation et images par ordinateur Introduction au traitement numérique des images Y. Chiricota Département d informatique et de mathématique Université du Québec à Chicoutimi / Certaines des

Plus en détail

SÉLECTIONNER unezonedel image

SÉLECTIONNER unezonedel image Chapitre 2 SÉLECTIONNER unezonedel image Les modifications que vous pouvez apporter à vos images peuvent être appliquées uniquement à certaines zones. Cependant, vous devez indiquer ces zones à Photoshop

Plus en détail

L impact de deux strategies de compression dans le

L impact de deux strategies de compression dans le L impact de deux strategies de compression dans le problème stéréo Réunion scientifique, Imagerie stéréo et 3D GdR ISIS, 2011 G. Blanchet, A. Buades, B. Coll (Univ. Illes Balears), J.M. Morel, B. Rougé

Plus en détail

D une végétation quasi absente, à une végétation éparse, à une végétation continue

D une végétation quasi absente, à une végétation éparse, à une végétation continue D une végétation quasi absente, à une végétation éparse, à une végétation continue D un habitat isolé, à un habitat diffus, à un habitat groupé Figure 4 : Neuf types d interface habitat-forêt 3. Méthodologie

Plus en détail

Laure Fafournoux étudiante en Master2 géoenvironnement _ Laboratoire GEOLAB Franck Vautier ingénieur en géomatique _ Laboratoire GEOLAB

Laure Fafournoux étudiante en Master2 géoenvironnement _ Laboratoire GEOLAB Franck Vautier ingénieur en géomatique _ Laboratoire GEOLAB La photogrammétrie stéréoscopique appliquée à la mesure de la hauteur de la végétation en zone alluviale : exemple de la réserve naturelle du Val-d Allier (03) Laure Fafournoux étudiante en Master2 géoenvironnement

Plus en détail

Traitement d images. Chapitre I Prétraitements

Traitement d images. Chapitre I Prétraitements Traitement d images Chapitre I Prétraitements 1 2 Introduction Les prétraitements d une image consiste à effectuer des opérations visant à : améliorer sa qualité visuelle restaurer l image en éliminant

Plus en détail

L Analyse par reconnaissance d objets pour automatiser la création de cartes d'utilisation du sol dans le bassin versant de la rivière St-Jean, Québec

L Analyse par reconnaissance d objets pour automatiser la création de cartes d'utilisation du sol dans le bassin versant de la rivière St-Jean, Québec L Analyse par reconnaissance d objets pour automatiser la création de cartes d'utilisation du sol dans le bassin versant de la rivière St-Jean, Québec Evan Rodgers March 2013 Objectifs de la présentation

Plus en détail

Application de la télédétection à la cartographie de l enneigement du Haut Atlas de Marrakech à partir d images SPOT VEGETATION et LANDSAT TM.

Application de la télédétection à la cartographie de l enneigement du Haut Atlas de Marrakech à partir d images SPOT VEGETATION et LANDSAT TM. Projet de recherche franco-marocain : Fonctionnement et ressources hydro-écologiques en région semi-aride (Tensift, Maroc) : Caractérisation, modélisation et prévision Application de la télédétection à

Plus en détail

Plan de la présentation

Plan de la présentation La carte forestière IFN Caractéristiques, méthodes et évolution Thierry Bélouard Inventaire forestier national Délégation interrégionale Sud-Ouest thierry.belouard@ifn.fr Bordeaux, 8 septembre 2011 Plan

Plus en détail

LIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés

LIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR LAUSANNE 2012 Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR 2012, nouveaux modèles altimétriques 1 Affaire 94022 /

Plus en détail

Construction d un Modèle Numérique de Terrain par stéréoscopie aérienne ou satellitaire

Construction d un Modèle Numérique de Terrain par stéréoscopie aérienne ou satellitaire Construction d un Modèle Numérique de Terrain par stéréoscopie aérienne ou satellitaire UMR TETIS Cemagref-CIRAD-ENGREF PLAN 1. IMAGES AERIENNES ET SATELLLITALES a) Images sources pour les MNT b) Modes

Plus en détail

Les bassins de vie : un nouveau concept pour optimiser la performance et le développement de votre réseau

Les bassins de vie : un nouveau concept pour optimiser la performance et le développement de votre réseau Les bassins de vie : un nouveau concept pour optimiser la performance et le développement de votre réseau 1 Méthodologie des bassins de vie Potentiel du réseau franchise par Performance du réseau franchise

Plus en détail

Les Réseaux de Neurones avec

Les Réseaux de Neurones avec Les Réseaux de Neurones avec Au cours des deux dernières décennies, l intérêt pour les réseaux de neurones s est accentué. Cela a commencé par les succès rencontrés par cette puissante technique dans beaucoup

Plus en détail

Territoires, Environnement, Télédétection et Information Spatiale. Unité mixte de recherche Cemagref - CIRAD - ENGREF

Territoires, Environnement, Télédétection et Information Spatiale. Unité mixte de recherche Cemagref - CIRAD - ENGREF Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche Cemagref - CIRAD - ENGREF Master ère année Analyse spatiale, analyse géographique, spatialité des sociétés Master

Plus en détail

Rapport IN52. Sujet : Résolution d un puzzle

Rapport IN52. Sujet : Résolution d un puzzle CARRE Julien PIERNOT Jérôme Rapport IN52 Sujet : Résolution d un puzzle Responsable : M. Ruicheck Y. Automne 2007 1 SOMMAIRE INTRODUCTION...3 I. Description et approche du sujet...4 1. Description 2. Outils

Plus en détail

LES TYPOLOGIES DE PARCOURS METHODES ET USAGES. Yvette Grelet, Patrick Rousset CEREQ grelet@mrsh.unicaen.fr rousset@cereq.fr

LES TYPOLOGIES DE PARCOURS METHODES ET USAGES. Yvette Grelet, Patrick Rousset CEREQ grelet@mrsh.unicaen.fr rousset@cereq.fr LES TYPOLOGIES DE PARCOURS METHODES ET USAGES Yvette Grelet, Patrick Rousset CEREQ grelet@mrsh.unicaen.fr rousset@cereq.fr 1 PLAN Première partie : un exemple traité «en vraie grandeur» : les 26500 jeunes

Plus en détail

Stagiaire : Claudia HUERTAS Mastère spécialisé SILAT. Responsable AMAP : Grégoire VINCENT

Stagiaire : Claudia HUERTAS Mastère spécialisé SILAT. Responsable AMAP : Grégoire VINCENT Stagiaire : Claudia HUERTAS Mastère spécialisé SILAT Responsable AMAP : Grégoire VINCENT Contexte Cette étude fait partie du projet «CANOPOR : Short term tropical forest canopy dynamics unveiled by Airborne

Plus en détail

Indexation 3D à partir de vues 2D

Indexation 3D à partir de vues 2D Indexation 3D à partir de vues 2D Thibault Napoléon 1 Télécom ParisTech - TSI Qu est ce que l indexation 3D? Recherche dans une grande base de donnée 3D Recherche par le contenu (la forme, la couleur...)

Plus en détail

PLAN Analyse d images Morphologie et Segmentation

PLAN Analyse d images Morphologie et Segmentation PLAN Analyse d images et Segmentation L.Chen, J.Y.Auloge. INTRODUCTION. DEFINITIONS 3. VISION HUMAINE ET SYSTEMES DE COULEURS 4. ECHANTILLONNAGE ET QUANTIFICATION. TRANSFORMATIONS D IMAGES 6. AMELIORATION

Plus en détail

UTILISATION D UN SIG POUR LA MODELISATION HYDROLOGIQUE DES BASSINS VERSANTS URBAINS

UTILISATION D UN SIG POUR LA MODELISATION HYDROLOGIQUE DES BASSINS VERSANTS URBAINS UTILISATION D UN SIG POUR LA MODELISATION HYDROLOGIQUE DES BASSINS VERSANTS URBAINS Résumé Une connaissance géographique et physique détaillée de la ville est un atout pour la modélisation hydrologique

Plus en détail

L'utilisation des aéronefs sans pilote en agriculture: un exemple d'application pour le dépistage des cultures de pommes de terre

L'utilisation des aéronefs sans pilote en agriculture: un exemple d'application pour le dépistage des cultures de pommes de terre L'utilisation des aéronefs sans pilote en agriculture: un exemple d'application pour le dépistage des cultures de pommes de terre ERWAN GAVELLE et JERÔME THÉAU Département de géomatique appliquée, Université

Plus en détail

Traitement bas-niveau

Traitement bas-niveau Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.

Plus en détail

Reconnaissance des Formes Travaux Pratiques, 1 ère séance /4 - Corrigé partiel -

Reconnaissance des Formes Travaux Pratiques, 1 ère séance /4 - Corrigé partiel - Reconnaissance des Formes Travaux Pratiques, 1 ère séance /4 - Corrigé partiel - Modalités de déroulement o séance en salle Linux o compte-rendu à remettre à l'issue de la séance Objectif de la séance

Plus en détail

Bibliothèque de Traitement d Images en Niveaux de Gris

Bibliothèque de Traitement d Images en Niveaux de Gris TP Bibliothèque de Traitement d Images en Niveaux de Gris Étudiants : Besnier Alexandre Taforeau Julien Version 1.2 Janvier 2008 2008 Rapport TP - Version 1.2 i Table des matières Introduction 1 1 Objectif

Plus en détail

SUPPORT DE COURS AUTOCAD 2007 NIVEAU 2 : 3d et rendu SOMMAIRE

SUPPORT DE COURS AUTOCAD 2007 NIVEAU 2 : 3d et rendu SOMMAIRE SOMMAIRE 1. METHODOLOGIE / INTERFACE DE TRAVAIL...3 2. BIEN REGLER AUTOCAD 2007...4 3. TRAVAIL EN 3D : CREER LES OBJETS...5 4. LES OPERATIONS BOOLEENNES...6 5. MODIFIER et MANIPULER LES OBJETS EN 3D...7

Plus en détail

Cours pratique de télédétection : méthodes et techniques de traitement d images satellitales à partir du logiciel ENVI

Cours pratique de télédétection : méthodes et techniques de traitement d images satellitales à partir du logiciel ENVI . Cours pratique de télédétection : méthodes et techniques de traitement d images satellitales à partir du logiciel ENVI Sous la direction de Pr. Brou Yao TELESPHORE Université d Artois Réalisé par : LRHCHA

Plus en détail

Apprentissage Automatique Numérique

Apprentissage Automatique Numérique Apprentissage Automatique Numérique Loïc BARRAULT Laboratoire d Informatique de l Université du Maine (LIUM) loic.barrault@lium.univ-lemans.fr 16 septembre 2015 1/42 Problème classique Automatique Autre

Plus en détail

Évaluation de la classification et segmentation d'images en environnement incertain

Évaluation de la classification et segmentation d'images en environnement incertain Évaluation de la classification et segmentation d'images en environnement incertain EXTRACTION ET EXPLOITATION DE L INFORMATION EN ENVIRONNEMENTS INCERTAINS / E3I2 EA3876 2, rue F. Verny 29806 Brest cedex

Plus en détail

LABORATOIRE 4 : PHOTOGRAPHIES AÉRIENNES ET CARTES TOPOGRAPHIQUES

LABORATOIRE 4 : PHOTOGRAPHIES AÉRIENNES ET CARTES TOPOGRAPHIQUES GEO1542 A-2015 LABORATOIRE 4 : PHOTOGRAPHIES AÉRIENNES ET CARTES TOPOGRAPHIQUES OBJECTIFS Initiation à l observation stéréoscopique d images; Caractéristiques des clichés photographiques; Stimuli visuels

Plus en détail

CEA/SACLAY DEPARTEMENT DES TECHNOLOGIES DES SYSTEMES INTELLIGENTS SERVICE ARCHITECTURES ET CONCEPTION

CEA/SACLAY DEPARTEMENT DES TECHNOLOGIES DES SYSTEMES INTELLIGENTS SERVICE ARCHITECTURES ET CONCEPTION Laboratoire Systèmes de Vision Embarqués CEA/SACLAY DEPARTEMENT DES TECHNOLOGIES DES SYSTEMES INTELLIGENTS SERVICE ARCHITECTURES ET CONCEPTION RT LIST DTSI - LSVE CEA/SACLAY 91191 GIF-SUR-YVETTE CEDEX

Plus en détail

Réaliser un atlas cartographique

Réaliser un atlas cartographique Réaliser un atlas cartographique Salle de classe SIG 2011 Exercice : Création d un atlas cartographique Temps estimé: 30 minutes La mise en page des cartes est un élément essentiel des SIG, la version

Plus en détail

Ouverture au monde quantique

Ouverture au monde quantique Ouverture au monde quantique I Les forces newtoniennes Les forces d interaction gravitationnelle et électrostatique ont une propriété commune : leur 1 valeur est proportionnelle à, où r représente la distance

Plus en détail

Installation de la librairie VISP et création du projet

Installation de la librairie VISP et création du projet ESIR3-IN Travaux Pratiques VO 2012-2013 PREAMBULE Copier les données des TPs 1. créez un répertoire VO dans votre homedir cd ~/ mkdir VO cd VO 2. copier le dossier contenant toutes les données pour les

Plus en détail

Mise au point d outils de suivi de gestion INDICATEURS DENDROMETRIQUES. 1.- Inventaires

Mise au point d outils de suivi de gestion INDICATEURS DENDROMETRIQUES. 1.- Inventaires Développement d une gestion durable des peuplements irréguliers feuillus Septembre 2003 Mise au point d outils de suivi de gestion INDICATEURS DENDROMETRIQUES 1.- Inventaires Inventaire pied à pied (en

Plus en détail

L analyse en composantes principales en pratique

L analyse en composantes principales en pratique L analyse en composantes principales en pratique Après avoir vu sa formalisation mathématique dans le module précédent, on s intéresse ici à l utilisation pratique de l ACP. 1 Objectifs L objectif de l

Plus en détail

Calcul des indicateurs de sécheresse à partir des images NOAA/AVHRR

Calcul des indicateurs de sécheresse à partir des images NOAA/AVHRR Union européenne Projet de Mise en place d un Système d Alerte précoce à la Sécheresse dans trois pays de la rive Sud de la Méditerranée: Algérie, Maroc, et Tunisie LIFE05 TCY/TN/000150 Calcul des indicateurs

Plus en détail

Ressources pour le lycée technologique

Ressources pour le lycée technologique éduscol Enseignement de mathématiques Classe de première STMG Ressources pour le lycée technologique Échantillonnage : couleur des yeux au Canada Contexte pédagogique Objectifs Obtenir un intervalle de

Plus en détail

Observation du trait de côte par imagerie spatiale

Observation du trait de côte par imagerie spatiale Observation du trait de côte par imagerie spatiale Laure CHANDELIER, Christelle BOSC, Pierre LAINE PCI Applications Satellitaires - Observation du trait de côte Analyse du milieu Choix d'indicateurs Observation

Plus en détail

Traitement des images!

Traitement des images! Traitement des images! Yves USSON! Reconnaissance des Formes et Microscopie Quantitative! Lab. TIMC UMR 5525 CNRS, Grenoble! Traitement d images - définition! Séquence d opérations ayant pour but :!! -

Plus en détail

Essai colza en système de cultures innovant

Essai colza en système de cultures innovant Essai colza en système de cultures innovant Compte-rendu d essais Année 2010-2011 COURTOIS Nicolas Avec la collaboration de M. BOSSON Christophe, exploitant à Aire-la-Ville Sommaire 1. Présentation...

Plus en détail

3ANALYSER LES INFORMATIONS DES FICHIERS DE GESTION DES RESSOURCES HUMAINES (GRH) : ÉLÉMENTS DE MÉTHODOLOGIE

3ANALYSER LES INFORMATIONS DES FICHIERS DE GESTION DES RESSOURCES HUMAINES (GRH) : ÉLÉMENTS DE MÉTHODOLOGIE 3ANALYSER LES INFORMATIONS DES FICHIERS DE GESTION DES RESSOURCES HUMAINES (GRH) : ÉLÉMENTS DE MÉTHODOLOGIE P. 35/42 FICHE N 10 : Les conditions d une exploitation des fichiers de GRH P. 43/49 FICHE N

Plus en détail

DATA.DREES MANUEL DÉTAILLÉ DES CUBES DE DONNEES

DATA.DREES MANUEL DÉTAILLÉ DES CUBES DE DONNEES DATA.DREES MANUEL DÉTAILLÉ DES CUBES DE DONNEES LES FONCTIONNALITÉS PROPOSÉES CONSULTER, MANIPULER ET CONSERVER DES CUBES DE DONNÉES EN LIGNE Ce document est destiné à vous présenter le fonctionnement

Plus en détail

Photo 3. Le déplacement d un troupeau de bœufs en saison sèche, à la recherche de pâturages dans la zone de Mindif, région de l Extrême Nord du

Photo 3. Le déplacement d un troupeau de bœufs en saison sèche, à la recherche de pâturages dans la zone de Mindif, région de l Extrême Nord du Photo 3. Le déplacement d un troupeau de bœufs en saison sèche, à la recherche de pâturages dans la zone de Mindif, région de l Extrême Nord du Cameroun. 64 Chapitre 3. Outils pour l analyse et la modélisation

Plus en détail

Travaux dirigés de traitement d images de Télédétection

Travaux dirigés de traitement d images de Télédétection Travaux dirigés de traitement d images de Télédétection L objectif principal de ce TD consiste à introduire la notion de données multitemporelles afin d effectuer une classification de l occupation du

Plus en détail

WiseImage PRO. Les compétences RasterTech. Présentation RasterTech WiseImage PRO 1

WiseImage PRO. Les compétences RasterTech. Présentation RasterTech WiseImage PRO 1 WiseImage PRO Les compétences RasterTech 25 années d expérience dans la numérisation des plans, l archivage numérique et la visualisation, les Armoires à plans et les Planothèques, les logiciels de dessin

Plus en détail

Version 6 Présentation des nouveautés

Version 6 Présentation des nouveautés Version 6 Présentation des nouveautés Copyright Bionatics s.a. 2015 Tous droits réservés Augmentez la densité informationnelle de vos maquettes numériques Une version plus performante pour accélérer vos

Plus en détail

PSF et traitement de déconvolution sur les images 3D

PSF et traitement de déconvolution sur les images 3D PSF et traitement de déconvolution sur les images 3D Acquisition d une image 3D De l objet à l image visible L acquisition Émission de Fluorescence Z hv 2 hv 1 hv 2 Y X hv 2 Fluorescence dans un corps

Plus en détail

Procédé de restauration pour Couleur TRES dégradée avec StudioTransfert. Avril 2016.

Procédé de restauration pour Couleur TRES dégradée avec StudioTransfert. Avril 2016. Procédé de restauration pour Couleur TRES dégradée avec StudioTransfert Avril 2016. 1. Introduction. Le procédé de restauration de la lumière et des couleurs proposé ci-dessous peut être appliqué pour

Plus en détail

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation Programme des épreuves des concours externes de recrutement des personnels D1 RECRUTEMENT DES ASSISTANTS INGÉNIEURS...2 D1.1 Assistant cartographe (nouveau programme)...2 D1.2 Assistant en production et

Plus en détail

L observation spatiale pour l étude du climat

L observation spatiale pour l étude du climat L observation spatiale pour l étude du climat François-Marie Bréon Laboratoire des Sciences du Climat et de l'environnement CEA/DSM/LSCE Institut Pierre Simon Laplace Merci au CEA à la NASA et CNES, CNRS,

Plus en détail

Analyse des images après lecture

Analyse des images après lecture http://transcriptome.ens.fr 1 Analyse des images après lecture Utilisation d un logiciel d analyse d image!: Sur la plate-forme de l ENS, nous avons choisi de travailler avec le logiciel GenePix Pro, vous

Plus en détail

Vision industrielle Dispositif optique

Vision industrielle Dispositif optique Vision industrielle Dispositif optique Plan du cours L objectif La focale L ouverture La mise au point Qualité d image Choix de l objectif Cours de Vision Industrielle Nicolas Vandenbroucke 2 Constitution

Plus en détail

DEMDOC. - Les champs obligatoires sont entourés d un filet de couleur bordeaux

DEMDOC. - Les champs obligatoires sont entourés d un filet de couleur bordeaux DEMDOC 1. Onglet Demandes Saisie des demandes Nouveautés concernant cet onglet : - Les champs obligatoires sont entourés d un filet de couleur bordeaux - Insertion du champ «Raison sociale». Il est possible

Plus en détail

Comprendre les cartes topographiques

Comprendre les cartes topographiques Les cartes topographiques sont disponibles en différentes échelles selon le niveau de précision exigé par la randonnée. Voici une présentation des trois échelles les plus utiles aux randonneurs. Pour ceux

Plus en détail

Analyse de spectres d absorbance pour la prédiction des taux de moisissure, de matières grasses et de protéines d échantillons de viande

Analyse de spectres d absorbance pour la prédiction des taux de moisissure, de matières grasses et de protéines d échantillons de viande Université de Nantes M2 Ingénierie Mathématiques Rapport de chimiométrie Analyse de spectres d absorbance pour la prédiction des taux de moisissure, de matières grasses et de protéines d échantillons de

Plus en détail

SCAN Express. Version 1.0. Descriptif de contenu. www.ign.fr. Date du document : Janvier 2015

SCAN Express. Version 1.0. Descriptif de contenu. www.ign.fr. Date du document : Janvier 2015 SCAN Express Version 1.0 Descriptif de contenu Date du document : Janvier 2015 www.ign.fr SOMMAIRE SOMMAIRE... 2 1. PRÉSENTATION DU DOCUMENT... 3 1.1 Ce que contient ce document... 3 1.2 Ce que ne contient

Plus en détail

Module 3 : Introduction à la Modélisation SOUS MODELER

Module 3 : Introduction à la Modélisation SOUS MODELER Module 3 : Introduction à la Modélisation SOUS MODELER 1 Techniques prédictives Passé pour prédire l avenir 2 Concepts de la modélisation Données test / apprentissage Généralement créées par l utilisateur

Plus en détail

Application des techniques de photogrammétrie avec un drone à la caractérisation de la ressource forestière

Application des techniques de photogrammétrie avec un drone à la caractérisation de la ressource forestière Application des techniques de photogrammétrie avec un drone à la caractérisation de la ressource forestière Journées de la recherche de l IGN, édition 2015 Lisein Jonathan, Lejeune Philippe et Pierrot

Plus en détail

Développement du secteur de la géomatique au Burundi :

Développement du secteur de la géomatique au Burundi : Développement du secteur de la géomatique au Burundi : Avec le support de l, le Gouvernement du Burundi se dote d une couverture nationale en ortho photographies aériennes de très haute résolution CONTEXTE

Plus en détail

AVIS DE VALEUR D UN BIEN IMMOBILIER

AVIS DE VALEUR D UN BIEN IMMOBILIER AVIS DE VALEUR D UN BIEN IMMOBILIER POUR Mr et Mme TEST Jean Fait le 28 Mars 2008 Par XAVIER SEGRE SOCIETE SODESTEL EDITION 39 Rue Nicole 28000 CHARTRES Tel 0123456789 Fax 9876543210 info@sodestel.com

Plus en détail

Segmentation de séquences vidéo en temps réel

Segmentation de séquences vidéo en temps réel MVA-2011 p. 2 Segmentation de séquences vidéo en temps réel G. Koepfler MVA-2011 p. 1 Introduction But: Détecter des objets en mouvement dans une séquence d images. Motivations: Extraire l information

Plus en détail

BASES DE LA FLUORESCENCE

BASES DE LA FLUORESCENCE BASES DE LA FLUORESCENCE Aurélie Le Ru, Ingénieur d étude CNRS Agrobiosciences, Interactions et Biodiversité, Plateau d imagerie, 24 chemin de Borde Rouge 31326 Castanet-Tolosan Cedex leru@lrsv.ups-tlse.fr

Plus en détail

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57 Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

Table des matières. Liste des figures. Liste des tableaux

Table des matières. Liste des figures. Liste des tableaux Table des matières Liste des figures Liste des tableaux Table des matières Introduction 1 Partie A : Etude bibliographique 3 A1. Définition des concepts de bassin versant, de système et de modèle 7 A1-1.

Plus en détail

SIG : définition. L information géographique contient : - la forme et la localisation de l objet localisé, sous forme graphique.

SIG : définition. L information géographique contient : - la forme et la localisation de l objet localisé, sous forme graphique. I- Qu est ce qu un SIG? SIG : Système d Information Géographique Un SIG est un outil informatisé capable de créer, transformer, afficher, analyser et stocker de l information géographique. Il permet d'organiser

Plus en détail

Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante.

Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante. Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante. Essai de détermination du nombre de prélèvements à effectuer lors d un diagnostic amiante afin d assurer une représentativité

Plus en détail