FUSION DE DONNEES LiDAR ET MULTISPECTRALES

Dimension: px
Commencer à balayer dès la page:

Download "FUSION DE DONNEES LiDAR ET MULTISPECTRALES"

Transcription

1 Institut National des Sciences Appliquées de Strasbourg Mémoire de soutenance de Diplôme d Ingénieur INSA Spécialité TOPOGRAPHIE FUSION DE DONNEES LiDAR ET MULTISPECTRALES Etude des techniques de segmentation et de classification de données LiDAR, d images multispectrales et de leur fusion Proposition d une nouvelle technique de traitement de la fusion des données et analyse des résultats Présenté le 20 Septembre 2013 par Ophélie SINAGRA Réalisé au sein de l université : High St, Kensington NSW 2052 AUSTRALIA Directeur de PFE : Samsung LIM Correctrice: Tania LANDES

2 Ophélie SINAGRA Projet de fin d études 1

3 Avant-Propos Objet et portée du projet Three dimensional mapping of land, water and vegetation resources demands a paradigm shift from a single-wavelength LiDAR system to a multispectral LiDAR system that enables simultaneous mapping of the feature of interest (e.g. soils, forests, water channels, dikes, levees, coastlines, etc.) at as many wavelengths as possible because a single wavelength system performs poorly when vegetation and water features are separated from ground features. Multispectral mapping enhances the feature extraction because each wavelength corresponds to the feature differently. For example, tree leaves are highly reflective in near infrared and therefore the combination of green, red, and near infrared bands is desirable for vegetation mapping. On the other hand, the combination of blue, near infrared and midinfrared bands is very useful for soil moisture mapping, fire detection, water depth monitoring, etc. Hence the fusion of LiDAR data and multispectral imagery has been recently used; however, existing work on data fusion is significantly limited by two factors: lack of concurrency and lack of homogeneous spatial resolution. Firstly, LiDAR data and multispectral imagery are not acquired simultaneously because there is no combined system that includes LiDAR and multispectral imaging even though latest commercial development has been successful for a combined aerial LiDAR and orthophoto acquisition system. Lack of concurrency between LiDAR data and multispectral imagery degrades the quality of the data fusion e.g. vegetation growth in the two datasets can be averaged out. Secondly, spatial resolution of multispectral imagery is significantly lower than that of LiDAR data. Many algorithms have been tested to tackle the multi-level resolution problem. Today, a synthesis is needed in order to scope the previous algorithms and to suggest a new one that will take into consideration those previous methods (especially the problems encountered, the disadvantages of those algorithms). First, the LiDAR and the multispectral imagery processing needs to be investigated, then the fusion of both types of data. La cartographie en trois dimensions, simultanément, des terres, des eaux et de la végétation peut être faite par, à la fois, une unique longueur d onde (LiDAR) ou par un système multispectral (images satellites). Un grand nombre de longueurs d ondes permet de meilleures performances des algorithmes de par la quantité d informations utilisables : la cartographie multispectrale améliore l extraction des différents objets. Par exemple, les feuilles d arbres réfléchissent mieux dans le proche-infrarouge et la combinaison de cette bande avec une bande de visible (rouge) permet de donner un indice de végétation (NDVI). D un autre côté, la combinaison de cette bande du proche-infrarouge avec une autre bande du visible (bleu) est très utile pour calculer un indice concernant les sols (humidité, feu, eau, etc.) cette fois-ci. La fusion de données LiDAR et d images multispectrales a récemment été utilisée, cependant le nombre de ces travaux reste limité à cause de deux facteurs : le manque de concordance et d homogénéité dans les résolutions spatiales. Ophélie SINAGRA Projet de fin d études 2

4 Tout d abord, ces deux types de données n ont pas été acquis à la même date et aucun système combinant l acquisition des deux simultanément n est commercialisé. Le manque de concordance entre les deux types de données résulte en une perte de qualité suite à une fusion. Puis la résolution spatiale des images satellites est bien plus faible que celle du LiDAR. De nombreux algorithmes ont été testés pour contrer ce problème de multirésolution. Aujourd hui, une synthèse des algorithmes étudiés doit être réalisée et analysée (avantages et inconvénients de chaque technique) afin d en tirer les conclusions avant de proposer une nouvelle méthode de classification des données. Tout d abord les méthodes de traitement des données LiDAR et des données multispectrales devront être étudiées avant de travailler sur la fusion. Ophélie SINAGRA Projet de fin d études 3

5 Remerciements J aimerai remercier tout d abord le Dr Samsung LIM pour m avoir supervisée et pour m avoir accordé sa confiance durant ce projet de fin d études que j ai pu effectuer à l Université de la Nouvelle Galle du Sud (University of New South Wales - UNSW) de Sydney, Australie. Merci également l INSA de Strasbourg, et tout particulièrement Tania LANDES, pour les données LiDAR les images multispectrales sur lesquelles je me suis appuyée pour cette étude. J aimerai aussi remercier Yincai ZHOU pour son soutien au point de vue technique et plus particulièrement informatique. Je remercie également l UNSW (University of New South Wales) pour m avoir accueillie durant ces vingt semaines, et plus particulièrement Catherine SCHEDLICH, conseillère pour les participants au Practiculum Exchange Program (PEP) auquel j ai participé. Ophélie SINAGRA Projet de fin d études 4

6 Sommaire AVANT- PROPOS... 2 Objet et portée du projet... 2 REMERCIEMENTS... 4 SOMMAIRE... 5 INTRODUCTION ) Présentation de la structure d accueil ) Sujet d étude... 7 I. ETAT DE L ART... 9 a. Introduction... 9 b. Glossaire ) Analyse concernant le LiDAR: Techniques de segmentation, de classification et d extraction... 9 a. Comparaison des différentes techniques... 9 b. Tableau comparatif ) Analyse concernant les images multispectrales: Techniques de segmentation, de classification et d extraction a. Comparaison des différentes techniques b. Tableau comparatif ) Analyse de la fusion de données LiDAR et des images multispectrales: Techniques de segmentation, de classification d extraction a. Comparaison des différentes techniques b. Tableau comparatif II. CHANGEMENT DANS LE SUJET III. TRAITEMENT DE LA FUSION DES DONNEES ) 2) 3) Méthodes utilisées : l algorithme choisi a. Variation d altitude b. L indice NDVI c. L indice SAVI, prenant en compte l influence des sols d. L indice GEMI, prenant en compte les effets de l atmosphère e. L algorithme SVM Les données a. Les données LiDAR b. L image multispectrale La création des couches rasters - les techniques utilisées a. Variation d altitude b. L indice NDVI Ophélie SINAGRA Projet de fin d études 5

7 4) c. L indice SAVI d. L indice GEMI e. Création d une image à partir de tous les rasters f. Problèmes rencontrés pour la création des rasters L algorithme SVM les techniques utilisées a. Création des zones échantillons b. Classification des données IV. RESULTATS FINAUX Suppression de l une des classes V. ANALYSE ) 2) 3) 4) Comparaison de la classification des points sol / sursol a. SAGA b. CloudCompare Comparaison des classifications a. Création du raster de référence b. Comparaison L apport des informations issues de chaque couche a. Suppression de la couche créée à l aide du lever LiDAR : RasterHauteur b. Suppression de certaines couches d indice de végétation c. Suppression des couches GEMI et SAVI, puis GEMI et NDVI d. Conclusion des tests réalisés Les erreurs a. Les erreurs liées au LiDAR b. Les erreurs liées à l image satellite c. Les erreurs liées à l espacement temporel entre les deux acquisitions d. Les erreurs liées aux SVM VI. DISCUSSION VII. CONCLUSION VIII. TABLE DES ILLUSTRATIONS IX. TABLE DES TABLEAUX X. BIBLIOGRAPHIE XI. SOMMAIRE DES ANNEXES XII. ANNEXES Ophélie SINAGRA Projet de fin d études 6

8 Introduction 1) Présentation de la structure d accueil Présentation de l UNSW L Université de Nouvelle-Galles du Sud (en anglais, University of New South Wales) est l une des universités publiques australienne située à Kensington, l un des quartiers de l est de Sydney. Elle fut fondée en 1949 et compte aujourd hui plus de 50,500 étudiants (dont plus de 24,000 Undergraduates et plus de 12,000 Postgraduates) répartis dans neuf facultés : Arts, Force de Défense Australienne, Business, Environnent, Ingénierie Droit, Médecine, Sciences et Beaux-Arts. Elle est classée 52 e université par le QS World University Rankings en Durant ces cinq mois, je me suis jointe à l équipe de recherche du Dr Samsung LIM, qui appartient au département School of Civil and Environmental Engineering (anciennement School of Surveying and Geospatial Engineering). Présentation de l équipe de recherche Le Dr Samsung LIM a joint l équipe académique de l école de topographie et d ingénierie géo spatiale (School of Civil and Environmental Engineering) de l Université de Nouvelle- Galle du Sud (University of New South Wales, UNSW) en Auparavant il était professeur associé à l Université de Inha de Corée du Sud pendant 8 années. Il est titulaire d un Bachelor degree (équivalent d une Licence) ainsi que d un Master degree (équivalent d un Master) de l Université de Séoul, Corée du Sud, et d un PhD de l Université d Austin au Texas, USA. Depuis les années 1990, il a publié plus de 130 articles, principalement sur le thème du GPS, du SIG ou encore du LiDAR. Cela lui a permis d obtenir de nombreux prix dans les domaines cités précédemment. Le Dr Samsung LIM m a proposé de me joindre à lui pour effectuer des recherches dans le domaine de la fusion des données LiDAR et multispectrales dans le cadre de mon projet de fin d études à l INSA de Strasbourg. 2) Sujet d étude Le but de mon projet de fin d études est le traitement de la fusion de nuages de points LiDAR et d images multispectrales, la segmentation, la classification et, si le temps le permet, l extraction d informations issues de cette fusion. Plusieurs études ont été menées dans ce domaine de la fusion au cours des dernières années, mais des progrès restent à faire. En effet, aucune des techniques n a réellement fait ses preuves et la plus part d entre elles n en sont qu au stade de la recherche et des premières publications. Ophélie SINAGRA Projet de fin d études 7

9 La fusion de ces deux types de données permettrait une meilleure classification de par les différentes caractéristiques que présentent ces dernières. Le nuage de points issu d un lever LiDAR donne des informations tridimensionnelles, et plus particulièrement une information sur l altitude du point mesuré. De plus, ce type de données a une plus grande résolution que les images multispectrales. Cependant ces images permettent de calculer des indices en combinant les bandes spectrales et ainsi obtenir des informations concernant la composition de l élément, et plus précisément des informations sur la végétation. Une étude approfondie des techniques de segmentation, de classification et d extraction de données LiDAR, d images multispectrales et de la fusion de ces deux types de données sera effectuée. Cela permettra de comprendre le traitement des deux types de données séparément et comment celles-ci peuvent nous donner de plus amples informations si elles étaient fusionnées. Cette étude pourra être faite lors d une analyse bibliographique d une trentaine d articles récents en lien direct avec mon sujet. Le but de l étude, l algorithme testé et les résultats tirés de chaque article seront présentés (uniquement dans le rapport en anglais) avant d en tirer les principaux avantages et inconvénients. De tous ces articles, nous pourrons proposer une nouvelle technique de traitement qui s orientera sur la classification. Cette technique sera donc inspirée des expériences réalisées dans le passé (algorithme, données utilisées, etc.) et sera ensuite testée avec un jeu de données LiDAR et multispectrales. Nous analyserons et quantifierons les résultats obtenus (exactitude, précision, etc.). Ce traitement aura été, au préalable, approuvé par l équipe de recherche encadrant le PFE Une fois des résultats concluants obtenus nous pourrons tester d autres variantes à notre technique (ajout ou suppression d éléments pour notre classification, etc.) afin d améliorer notre classification. En conclusion, ce mémoire sera donc composé de cinq parties : 1. L état de l art reprenant trois types d articles (techniques de traitement de données LiDAR, de données multispectrales et de la fusion de ces deux types). 2. La description détaillée de la méthode choisie (algorithme, calculs des informations extraites des données brutes servant à la classification, etc.). 3. La technique de calculs utilisée et les résultats obtenus. 4. Les expériences réalisées afin d améliorer ces résultats. 5. Le bilan de cette étude. Ophélie SINAGRA Projet de fin d études 8

10 I. Etat de l art a. Introduction L analyse documentaire n est pas développée dans ce rapport en français, seul un bref récapitulatif ainsi que des tableaux concernant les avantages et les inconvénients de chaque méthode sont présentés. La recherche documentaire s est portée sur les techniques de classification des données LiDAR dans un premier temps, puis multispectrales et pour finir de la fusion de ces deux types. Cela m a permis d avoir une vision détaillée des différents traitements déjà existants et ayant prouvé leur efficacité et exactitude. b. Glossaire Mon stage ayant été effectué en Australie, tous les documents à ma disposition sont en anglais. Afin de ne pas produire une traduction inexacte je me suis permise de rédiger un glossaire reprennent le vocabulaire scientifique dont la traduction peut porter à confusion. Accuracy : exactitude. Cluster : grappe. CHM (Canopy Height Model) : modèle de hauteur de canopée. 1) Analyse concernant le LiDAR: Techniques de segmentation, de classification et d extraction a. Comparaison des différentes techniques Neuf articles ont été sélectionnés pour cette partie. Chacun d entre eux présente une technique différente, utilisée sur des données différentes. Cela m a permis d avoir une vision détaillée concernant le traitement possible d un nuage de points issu d un lever LiDAR et ainsi pouvoir mieux appréhender la question de la fusion du LiDAR avec un autre type de données. La plupart des articles étudiés commencent par la même étape : classification des points du sol et du sursol. Pour ce faire, plusieurs choix sont possibles avec tout d abord l utilisation de logiciels tels que Terrasolid (logiciel de traitement de données obtenues à l aide de capteurs aéroportés) ([LI & al, 2012], [RAHMAN & al, 2009], [HE & al, 2012]). Ou encore la création de grappes/nœuds qui sont ensuite triés suivant des seuils sur la surface, la hauteur, la forme, etc. ([WANG & al, 2009], ([WANG & al, 2004], [OKAGAWA, 2001], [WEIR, 2012]). Cette classification permet ensuite de ne s intéresser qu aux points du sursol et ainsi déterminer leur classe (bâtiments, arbres, etc.). A ce niveau de la classification, beaucoup se focalisent sur l étude de zones uniquement forestières ou mixtes. Pour les zones uniquement forestières, il est possible de tout d abord classer les points du sursol du plus haut (A) au plus bas (Z) puis de déterminer si les points aux alentours de l arbre dont le sommet est A (le point le plus haut) appartiennent à cet arbre ([LI & al, 2012]). Une autre solution repose sur la création du modèle de hauteur de canopée (CHM) puis de Ophélie SINAGRA Projet de fin d études 9

11 l utilisation d un algorithme (comme Inverse Watershed (tournant inverse)) permettant la détection d arbres ([RAHMAN & al, 2009], [HE & al, 2012]).Ces techniques permettent d obtenir la position ainsi que la taille de la couronne de chaque arbre identifié. Pour les zones mixtes, c est-à-dire où se trouvent à la fois des arbres et des bâtiments, il est testé plusieurs techniques où les limites de chaque objet repéré sont reconstituées puis analysées et classées en fonction de leur taille, forme, etc. ([WANG & al, 2009], [WANG & al, 2004], [WANG, 2012]). Il a également été testé des techniques où des filtres sont appliqués sur les points du sursol afin de pouvoir les classer ([WEIR & al, 2012]). b. Tableau comparatif Ci-dessous un tableau reprenant les avantages et inconvénients de chaque article : A new method for segmenting individual trees from the LiDAR point cloud Table 1 - Avantages et inconvénients des méthodes pour le LiDAR Articles Avantages Inconvénients Bonne détection d arbres Sous-segmentation si la forêt est conifères dense La forme est prise en Sur-segmentation si la forêt est compte clairsemée Fort coefficient de corrélation Uniquement pour la détection (r = 0.91) entre les données d arbres de référence et les résultats A new method for individual tree measurement from airborne LiDAR Estimation of individual tree parameters using small-footprint LiDAR with different density in a coniferous forest Segmentation of LiDAR point clouds for building extraction LiDAR data segmentation and classification based on Octree structure Automated Building Extraction and Reconstruction from LiDAR Data Alternative par rapport au CHM (Canopy Height Model) Bonne précision concernant la détermination de la hauteur des arbres Seuil de densité des points utiles (à partir d un certain chiffre les résultats restent inchangés) Bonne détection des contours de bâtiments Détection de bâtiments et d arbres Utilisation de la quasi-totalité des points Classification sur beaucoup de critères (surface, forme, hauteur, etc.) Très efficace et exacte (91% pour une zone résidentielle et 92% pour une zone de centreville) Paramètres choisis par l utilisateur (Seuils pour la classification) Seulement 63% des arbres détectés Uniquement pour la détection d arbres Seulement 31% des arbres détectés Uniquement pour la détection d arbres Pas de précision calculée Première étude, besoin d amélioration Méthode de classification sous développée Détection de 3 sortes de toits Sélection manuelle de la forme des toits si pas dans les formes prédéfinies Ophélie SINAGRA Projet de fin d études 10

12 Aerial LiDAR Data Classification using Expectation- Maximization Assessment of processing different types of vegetative data using LiDAR Segmentation of 3D LiDAR Data in non-flat Urban Environments using a Local Convexity Criterion Gde exactitude (94%) Beaucoup de classes peuvent être saisies (zones échantillons) Les zones échantillons peuvent être petites Bonne classification (entre 80 et 95% de bonne classification suivant les classes) MNT correct (comparaison avec le MNT de l Australie d une résolution de 90 mètres) Algorithme simple et facile Extraction de bâtiments et d arbres Dans le futur, utilisation d une image aérienne pour améliorer les résultats Quelques points mal classés Zones échantillons saisies manuellement Aucune comparaison avec des points connus (références) Classification manuelle à quelques endroits Problème de classification au niveau des ombres des arbres Nombre limité de points pouvant être classés Pas de précision calculée Résultats non satisfaisants (mauvaise distinction des toits dans les zones urbaines et non distinction des différents arbres en forêt dense) En conclusion, la meilleure solution parmi les articles étudiés concernant la détection de bâtiments est l article Automated Building Extraction and Reconstruction from LiDAR Data ([WANG, 2012]). En effet, l algorithme proposé permet de détecter précisément trois types de toits et de sélectionner manuellement les limites pour d autres formes de toits. La meilleure solution pour la détection d arbres est A new method for individual tree measurement from airborne LiDAR ([LI & al, 2012]) car l algorithme permet de détecter tous types d arbres (conifères et feuillus). La méthode à utiliser pour classer et extraire les informations issus d un nuage de points LiDAR serait tout d abord de procéder à une première classification : les points du sol et du sursol. Puis d extraire les points appartenant à des bâtiments et ceux appartenant à de la végétation et de la traiter séparément avec les algorithmes présentés afin d en extraire les informations caractéristiques (hauteur et dimension d un arbre, limite et surface d un bâtiment, etc.). Cependant, chaque méthode présente évidemment des inconvénients : les algorithmes ont une limite dans la détection et dans la précision de cette détection. 2) Analyse concernant les images multispectrales: Techniques de segmentation, de classification et d extraction Seulement quatre articles ont été étudiés car, de nombreuses techniques ont été énumérées dans les annexes (voir Annexe I. 1) b. Opérations de traitement). Plus d informations sur ces techniques et leur emploi sont visibles dans «Cours de télédétection de G5» (Landes, 2012). Ophélie SINAGRA Projet de fin d études 11

13 a. Comparaison des différentes techniques Les quatre articles sélectionnés utilisent des algorithmes non présentés dans «Cours de télédétection de G5» (Landes, 2012). Cela permettra ainsi d envisager de nouvelles techniques de traitements ou encore d analyser les inconvénients de ces dernières afin de les minimiser lors d une future utilisation. Les méthodes de classification choisies sont soit supervisées soit non-supervisées. Une première méthode consiste à fusionner des données de résolutions différentes et ensuite utiliser une classification supervisée telle que celles étudiées lors du cours dispensé en télédétection de 5 eme année de l INSA Strasbourg (hyperboite, maximum de vraisemblance) ou encore le K-nearest et SVM 1 ([BRUZZONE & al, 2006]). Cet algorithme SVM a aussi été utilisé pour classer une image composée de quinze bandes calculées à partir de l image multispectrale et du MNT 2 de la zone disponible en ligne ([DURO & al, 2012]). La méthode de classification non-supervisée est utilisée sur les longueurs d ondes que renvoie chaque pixel dans chaque bande ([DENG & al, 2011]). b. Tableau comparatif Ci-dessous un tableau reprenant les avantages et inconvénients de chaque article : Can multiresolution fusion techniques improve classification accuracy? Table 2 - Avantages et inconvénients des méthodes pour les images multispectrales Articles Avantages Inconvénients La fusion selon EGS présente les meilleurs Ajout de distorsions spatiales résultats Object based image analysis for remote sensing Multi-spectral and hyperspectral image processing based on the waveform characteristics of spectral remote sensing classification method of large area Amélioration des détails Seules les fusions complexes spatiaux améliorent les résultats Image panchromatique Image panchromatique peut améliore la classification introduire des erreurs GEOBIA est la technique la plus efficace Analyse documentaire 820 articles analysés Pas de test, pas de résultat Applicable sur de grandes zones Autant de classes que souhaité Pas de précision calculée 1 SVM : Support Vector Machine 2 MNT : Modèle Numérique de Terrain Ophélie SINAGRA Projet de fin d études 12

14 A comparison of pixel-based and object-based image analysis with selected machine learning algorithms for the classification of agricultural landscapes using SPOT-5 HRG imagery La classification orientée objet et supervisée (SVM) donne les meilleurs résultats (94% d exactitude) Classification orientée objet donne aussi de bon résultats (90% d exactitude) Besoin de beaucoup de données (MNT, etc.) Pas de grande différence entre classification orientée objet ou pixel Peu de conclusions peuvent être tirées des articles concernant la classification des images multispectrales. En effet, l utilisation d une classification orientée objet ou pixel ne semble pas avoir d importance sur les résultats finaux. De plus, la fusion de données issues de différentes sources peuvent améliorer les résultats mais entraine par la même occasion l intégration d erreurs (distorsions, etc.). Nous observons cependant l utilisation de l algorithme SVM. 3) Analyse de la fusion de données LiDAR et des images multispectrales: Techniques de segmentation, de classification d extraction a. Comparaison des différentes techniques La lecture des onze articles concernant la fusion des données multispectrales et LiDAR fut très importante car, tout d abord, cet aspect n a jamais était abordé durant les cours dispensés à l INSA (d où le sujet du PFE). De plus il est important pour la suite de notre étude de savoir et comprendre les techniques déjà utilisées. Très souvent les données LiDAR sont tout d abord traitées avec la classification des points du sol et du sursol, puis le calcul de la hauteur de ces derniers ([ROTTENSTEINER & al, 2002], [ROTTENSTEINER & al, 2004], [NORDKVIST & al, 2012], [CHEN & al, 2004], [KE& al, 2010], [DALPONTE & al, 2008], [SOHN & al, 2007], [GARCIA & al, 2011], [DEMIR & al, 2010]. [LUO & al, 2010]). Puis des indices (NDVI principalement) sont calculés à partir des images multispectrales. Deux différentes classifications sont exposées : la première basée sur les pixels et la deuxième basée sur les objets. Cette classification est faite sur les données fusionnées (transformation du nuage des points LiDAR en raster) ou sur l un des types de données (le deuxième type servant de contrôle ou d affinement des résultats). Pour la classification orientée pixels, plusieurs techniques ont été étudiées. Nous pouvons citer tout d abord une technique dont l image aérienne est utilisée pour vérifier la bonne classification : l application de masques selon la hauteur, la surface ou l aspérité des éléments détectés puis une vérification de ce classement avec l image aérienne ([ROTTENSTEINER & al, 2002]). Ophélie SINAGRA Projet de fin d études 13

15 Concernant la fusion réelle nous pouvons citer une première technique qui est de constituer une image composée de plusieurs couches (hauteur, NDVI, etc.) et d attribuer un poids à chacune de ces couches avant de classer cette image ([ROTTENSTEINER & al, 2004]). Les algorithmes utilisés peuvent être supervisés avec le SVM ([DALPONTE & al, 2008], [ALONSO & al, 2010], [GARCIA & al, 2011], [LUO & al, 2011]) ou non-supervisés. Une deuxième étude a permis de quantifier l apport d informations extraites des données LiDAR en comparant le taux de pixels correctement classé avec et sans ces informations ([NORDKVIST & al, 2012]). Pour la classification orientée objets, les informations, comme pour la classification orientée pixels, sont rastérisées puis peuvent être segmentées et chaque région obtenue est classée selon des filtres selon la hauteur, les valeurs spectrales, etc. ([CHEN & al, 2004]). Cette segmentation peut être basée sur les propriétés spectrales de chaque image, ou celle LiDAR ou encore sur les propriétés de la fusion de ces deux types ([KE & al, 2004]). Un dernier type de classification, qui n est ni basé sur les pixels ou sur les objets, est proposé : le nuage de points du sursol est classé dans une classe «bâtiments» ou «végétation» suivant la valeur du pixel de la couche NDVI dans lequel il se trouve. Ainsi la résolution spatiale du nuage n est pas perdue ([SOHN & al, 2007]). b. Tableau comparatif Ci-dessous un tableau reprenant les différents avantages et inconvénients de chaque article étudié. Automatic extraction of buildings from LiDAR data and aerial images Building detection by Dempster-Shafer fusion of LiDAR data and multispectral aerial imagery Combining optical satellite data and airborne laser scanner data for vegetation classification Fusion of LiDAR and optical imagery for building modelling Table 3 - Avantages et inconvénients de chaque méthode Articles Avantages Inconvénients Utilisation d une image aérienne pour améliorer l extraction des bâtiments Image aérienne et non multispectrale RMS très bas Méthode facile et rapide Travail toujours en cours Utilisation de statistiques L image multispectrale n est Besoin de points connus au sol pas la seule source pour pour le calcul de précision de la calculer l exactitude de la classification classification Bonne classification Exactitude améliorée de 16% si l on utilise les deux Exactitude maximum = 71.9% types de données Le ratio végétation améliore considérablement la Pas de détection de bâtiments classification Bonne détection des bâtiments (presque 90%) Bâtiments détection sont de Utilisation de 3 types de formes simples données Ophélie SINAGRA Projet de fin d études 14

16 Synergistic use of QuickBird multispectral imagery and LIDAR data for object-based forest species classification Fusion of Hyperspectral and LIDAR Remote Sensing Data for Classification of Complex Forest Areas Data fusion of highresolution satellite imagery and LiDAR data for automatic building extraction Satellite imagery classification with LiDAR data Multispectral and LiDAR data fusion for fuel type mapping using Support Vector Machine and decision rules Combination of image and LiDAR for building and tree extraction A new method of building footprints detection using airborne laser scanning data and multispectral image Nombreux paramètres testés Comparaison des classifications basées sur les différentes segmentations Bonne classification et détermination de la meilleure méthode possible (SVM) Utilisation des données LiDAR pour améliorer la classification des images hyper spectrales Utilisation des deux types de données dans les étapes de classification Exactitude de 97% Processus simple (uniquement SVM) Contrôle indépendant (Kappa et courbe ROC) Utilisation du SVM (classification de données acquises par différents capteurs) Amélioration des résultats avec la règle de décision Combinaison de plusieurs techniques 94% des bâtiments correctement extraits Utilisation de SVM Amélioration des résultats avec l image additionnée au LiDAR (comparaison) Procédure non automatisée Pas de test pour la classification orientée pixel Test pour les milieux forestiers Pas d extraction des données Densité du lever LiDAR élevée Que 5 classes (espèces d arbres, etc.?). Test sur une région forestière uniquement Méthode 3 est exclue car résultats non disponibles Pas de calcul d exactitude pour la végétation Image classique, pas multispectrale Les techniques étudiées procèdent de la même façon généralement, c est-à-dire classer les points afin de pouvoir calculer la hauteur des points du sursol puis de se servir de cette information soit en la rastérisant afin d avoir des données sous le même format, soit en classant ces points directement à l aide des informations multispectrales. De nouveau, nous constatons les bons résultats obtenus à l aide de l algorithme SVM. Ophélie SINAGRA Projet de fin d études 15

17 Pour conclure, la lecture de ces articles a permis de réfléchir à une technique permettant la fusion des données. De plus, le choix de l algorithme de classification fut grandement influencé par les résultats présentés dans les différents articles. Dans la suite nous présenterons la technique de fusion créée et l algorithme de classification choisi avant de tester nos choix. Ophélie SINAGRA Projet de fin d études 16

18 II. Changement dans le sujet Initialement, le sujet du projet de fin d études (PFE) contenait une plus petite analyse documentaire. Cependant Mr Samsung LIM a pensé plus judicieux d approfondir sur cette partie afin de partir sur des bases solides et une bonne connaissance des traitements des données possibles. Deux semaines supplémentaires ont donc été consacrées à la lecture et analyse d articles. La suite du projet s est donc déroulée comme initialement prévu. Ophélie SINAGRA Projet de fin d études 17

19 III. Traitement de la fusion des données Mes connaissances acquises durant les trois années d études à l INSA de Strasbourg ainsi que les nombreux articles étudiés m ont permis d établir une méthode de classification utilisant à la fois les données LiDAR et les images multispectrales. Un lever LiDAR permet d obtenir les informations concernant la position ainsi que l intensité de chaque point mesuré. Les images multispectrales peuvent, grâce à une conversion des luminances en variables thématiques, nous informer sur la composition et donc la classe de l élément étudié. Pour cela le calcul d indices multispectraux, combinaison de bandes spectrales, et des connaissances sur les valeurs prises par les éléments en général sont nécessaires. La combinaison de ces deux types de données permet de combler les lacunes de chacune d entre elles et ainsi donner une bonne classification. 1) Méthodes utilisées : l algorithme choisi Après l analyse des articles j ai constaté que l algorithme SVM est de plus en plus utilisé pour les classifications: cet algorithme est assez récent et encore peu testé dans le domaine de la fusion de données. C est pourquoi il m a semblé intéressant de continuer les recherches sur cette technique. Les informations provenant du LiDAR et des images multispectrales pourront être utilisées. Pour cela ces informations devront être extraites sous une même résolution et sous un même format puis exploitées à l aide d un logiciel permettant l utilisation de l algorithme SVM. NDVI SVM Image multispectrale SAVI GEMI Sol artifi Eau LiDAR Points sur le sol Points du sursol Variation d altitude Bâtiment Végétation Figure 1 - Organigramme des étapes de classification L organigramme ci-dessus (voir figure 1) montre les informations pouvant être extraites de chaque type de données en entrée et la classification attendue en sortie. Ophélie SINAGRA Projet de fin d études 18

20 En effet, les images multispectrales peuvent fournir des indices de végétation qui sont propres à chaque type d éléments de la zone. Le LiDAR permet quant à lui, grâce aux coordonnées en trois dimensions, de fournir une information sur l altitude et plus précisément sur la différence d altitude. Nous développerons donc la méthode de calcul de chacun des éléments nécessaires à la classification avant d exposer l algorithme SVM plus en détail. a. Variation d altitude La variation d altitude d un point correspond à la distance entre le sol et le point considéré. Cette variation est calculable en deux étapes : classification des points sur le sol et des points du sursol et calcul de la distance entre ces deux classes. Ce calcul pourra ensuite être assimilé à un raster : la valeur du compte numérique de chaque cellule correspond à la variation d altitude moyenne des points contenus dans cette cellule. b. L indice NDVI L indice NDVI, ou indice de végétation normalisé (Normalized Difference Vegetation Index), est un indicateur numérique qui utilise la bande rouge du visible et la bande du proche-infrarouge. Il est utilisé en télédétection afin d estimer si la cible est végétale ou non. Il a été proposé en 1974 par Rouse et al. En général, la végétation absorbera en grande partie la lumière visible (bande rouge) et réfléchira la lumière proche-infrarouge alors que les minéraux réfléchiront la lumière visible et absorberont celle du proche-infrarouge. La formule utilisée est donc : NDVI =!"#!!!"#!! (1) Avec PIR: la valeur dans la bande procheinfrarouge R : la valeur dans la bande rouge du visible Cela donne donc des valeurs comprises entre 1 et -1 : 1 < NDVI < 1. Les différentes valeurs de l indice NDVI permet de déterminer le type d éléments analysés. Holben (Characteristics of maximum-value composite images from temporal AVHRR data, 1986) fournit les valeurs suivantes : Type Table 4 - Valeurs prises par l'indice NDVI Valeur dans la bande rouge Valeur dans la bande procheinfrarouge Indice NDVI Végétation dense Végétation moyenne Végétation faible Sol nu (terre) Nuage Neige et glace Eau Ophélie SINAGRA Projet de fin d études 19

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

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

Caractérisation de la structure forestière. par TLS

Caractérisation de la structure forestière. par TLS Caractérisation de la structure forestière Module FTH 2013 par TLS Jean-Baptiste Deffontaines, Alexandra Gillespie, Cannelle Phillips Encadrants: G. Vincent et D. Sabatier Contenu Introduction et objectifs

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

Introduction aux Support Vector Machines (SVM)

Introduction aux Support Vector Machines (SVM) Introduction aux Support Vector Machines (SVM) Olivier Bousquet Centre de Mathématiques Appliquées Ecole Polytechnique, Palaiseau Orsay, 15 Novembre 2001 But de l exposé 2 Présenter les SVM Encourager

Plus en détail

Vers l imagerie operationnelle Atelier ENVI 5.0

Vers l imagerie operationnelle Atelier ENVI 5.0 Vers l imagerie operationnelle Atelier ENVI 5.0 france@exelisvis.com www.exelisvis.com The information contained in this document pertains to software products and services that are subject to the controls

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

Visual Information Solutions. ENVI LiDAR. L environnement logiciel interactif pour extraire des informations 3D à partir du LiDAR

Visual Information Solutions. ENVI LiDAR. L environnement logiciel interactif pour extraire des informations 3D à partir du LiDAR Visual Information Solutions ENVI LiDAR L environnement logiciel interactif pour extraire des informations 3D à partir du LiDAR Créer des visualisations réalistes. Extraire des objets 3D. Générer des produits

Plus en détail

La problématique de la. Réalisation d une maquette géospatiale urbaine 3D pour la gestion du vieux bâti

La problématique de la. Réalisation d une maquette géospatiale urbaine 3D pour la gestion du vieux bâti Réalisation d une maquette géospatiale urbaine 3D pour la gestion du vieux bâti Le cas du quartier El Amir, ville d Oran (Algérie) Madina Asmaa Missoumi, Ingénieur d État en aménagement du territoire Département

Plus en détail

OSU OREME Apéro Technique #04. Utilisation d'outils SIG _. Les outils Raster dans QGIS

OSU OREME Apéro Technique #04. Utilisation d'outils SIG _. Les outils Raster dans QGIS OSU OREME Apéro Technique #04 Utilisation d'outils SIG _ Les outils Raster dans QGIS 05/02/2015 L. Paradis - IE Geomatique - 05/02/2015 - L. Paradis IE Geomatique - QGIS version 2.6 menu Extension / Installer

Plus en détail

Séance 12: Algorithmes de Support Vector Machines

Séance 12: Algorithmes de Support Vector Machines Séance 12: Algorithmes de Support Vector Machines Laboratoire de Statistique et Probabilités UMR 5583 CNRS-UPS www.lsp.ups-tlse.fr/gadat Douzième partie XII Algorithmes de Support Vector Machines Principe

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

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

Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR

Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains

Plus en détail

Cadastre solaire SITG Genève

Cadastre solaire SITG Genève Cadastre solaire SITG Genève A) Proposition de classes de couleur et notice d explication pour le grand public Le cadastre solaire en quelques mots Le cadastre solaire du Canton de Genève a été élaboré

Plus en détail

PROTOCOLE DE TRAITEMENT DETAILLE : EXEMPLE MAILLOUEYRE

PROTOCOLE DE TRAITEMENT DETAILLE : EXEMPLE MAILLOUEYRE PROTOCOLE DE TRAITEMENT DETAILLE : EXEMPLE MAILLOUEYRE Exemple du protocole de traitement qui à été effectué pour la création de la mosaïque de la Mailloueyre suite à la campagne de photos aériennes du

Plus en détail

ANALYSE AVANCEE DE DONNEES GEOSPATIALES AVEC ecognition

ANALYSE AVANCEE DE DONNEES GEOSPATIALES AVEC ecognition ANALYSE AVANCEE DE DONNEES GEOSPATIALES AVEC ecognition MISE A JOUR CADASTRALE NOTRE COMPREHENSION DU MONDE CHANGE Le logiciel est conçu pour améliorer, accélérer et automatiser l interprétation des images

Plus en détail

Traitements appliqués à la photointerprétation

Traitements appliqués à la photointerprétation Traitements numériques des images de télédétection Traitements appliqués à la photointerprétation OLIVIER DE JOINVILLE 3e partie Table des matières I - L'analyse en composantes principales 5 II - La détection

Plus en détail

PARTIE III : LE SIG : UN OUTIL D AIDE A LA DECISION

PARTIE III : LE SIG : UN OUTIL D AIDE A LA DECISION PARTIE III : LE SIG : UN OUTIL D AIDE A LA DECISION - 106 - A) CONSTITUTION DE LA BASE DE DONNEES S.I.G Un Système d Information Géographique est un outil informatique, permettant d optimiser la gestion

Plus en détail

Couverture des terres - Dérivée des données AVHRR - Spécifications de contenu informationnel produites conformément à la norme ISO 19131

Couverture des terres - Dérivée des données AVHRR - Spécifications de contenu informationnel produites conformément à la norme ISO 19131 Couverture des terres - Dérivée des données AVHRR - Spécifications de contenu informationnel produites conformément à la norme ISO 19131 Révision : A Spécifications de contenu informationnel : Couverture

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

1.2-1.3- Ex : Format AO (84cm x 118.8cm) à 1 500 Fcfp

1.2-1.3- Ex : Format AO (84cm x 118.8cm) à 1 500 Fcfp ANNEXE 1 LES DIFFERENTS TYPES DE PRODUITS PROPOSES A LA VENTE ET LES BASES DE LA REDEVANCE 1. LES DOCUMENTS IMPRIMES SUR COMMANDE 1.1- Impressions de cartes et photographies aériennes sur papier ordinaire

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

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

Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites Projet GIZ-CRTS Formation en Télédétection spatiale et SIG CRTS, 18-21 janvier 2016 Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites Abderrahman

Plus en détail

AMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES DONNEES GEOSPATIALES NATIONALE

AMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES DONNEES GEOSPATIALES NATIONALE AMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES GEOSPATIALE CREATION A D UNE L ECHELLE BANQUE NATIONAL DE DONNEES GEOSPATIALES NATIONALE 1 AMTEC RESOURCES MANAGEMENT LTD. P O Box 3463

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

Potentiel of muti-source data for forest variable retrieval

Potentiel of muti-source data for forest variable retrieval FORESEE Workshop - Forestry applications of remote sensing technologies 8-10 October 2014 - INRA Champenoux - France Potentiel of muti-source data for forest variable retrieval N. Chehata (1), D. Guyon(2)

Plus en détail

DÉTECTER ET CARTOGRAPHIER L A COUVERTURE VÉGÉTALE DE PA R I S ET DE SES ABORDS À GRANDE ÉCHELLE

DÉTECTER ET CARTOGRAPHIER L A COUVERTURE VÉGÉTALE DE PA R I S ET DE SES ABORDS À GRANDE ÉCHELLE DÉTECTER ET CARTOGRAPHIER L A COUVERTURE VÉGÉTALE DE PA R I S ET DE SES ABORDS À GRANDE ÉCHELLE par Paul Rouet Responsable de la banque de données urbaines Atelier parisien d urbanisme 9, rue d Agrippa

Plus en détail

Détection de changements pour la mise à jour de BD géographiques vectorielles par classification par région

Détection de changements pour la mise à jour de BD géographiques vectorielles par classification par région Détection de changements pour la mise à jour de BD géographiques vectorielles par classification par région de données satellitaires à THR Eléonore Wolff Analyse Géospatiale Institut de Gestion de l Environnement

Plus en détail

Calcul de valeurs globales dans ArtemiS SUITE

Calcul de valeurs globales dans ArtemiS SUITE 09/14 dans ArtemiS SUITE Dans certains cas, il peut être utile de ramener les résultats d analyse à une valeur globale, donc, par exemple, de réduire une évolution de niveau en fonction du temps à une

Plus en détail

L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE

L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE Paul Pașcu, Assist Prof, PhD, Ștefan cel Mare University of Suceava Abstract: This article aims to present a number

Plus en détail

Apport du LiDAR pour l'estimation de la ressource et la desserte forestière

Apport du LiDAR pour l'estimation de la ressource et la desserte forestière Apport du LiDAR pour l'estimation de la ressource et la desserte forestière Jean-Matthieu Monnet UR Écosystèmes Montagnards, Irstea Grenoble Pour mieux affirmer ses missions, le Cemagref devient Irstea

Plus en détail

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés ENSEIRB-MATMECA PG-113 014 TP6: Optimisation au sens des moindres carrés Le but de ce TP est d implémenter une technique de recalage d images qui utilise une méthode vue en cours d analyse numérique :

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

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

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

Christophe SANNIER christophe.sannier@sirs-fr.com

Christophe SANNIER christophe.sannier@sirs-fr.com Systèmes d Information à Référence Spatiale Utilisation d un Estimateur de Régression avec des Données Landsat pour l Estimation de l Etendu et des Changements du Couvert Forestier du Gabon de 1990 à 2010

Plus en détail

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Technologie et biologie (TB) Discipline : Informatique Première et seconde années Programme d informatique

Plus en détail

Apport du LiDAR pour l'estimation de la ressource et la desserte forestière

Apport du LiDAR pour l'estimation de la ressource et la desserte forestière Mieux produire et préserver : Quelles approches pour les forêts au sein des territoires? Apport du LiDAR pour l'estimation de la ressource et la desserte forestière Pour mieux affirmer ses missions, le

Plus en détail

Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining.

Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. 2 jours : Mardi 15 et mercredi 16 novembre 2005 de 9 heures 30 à 17 heures 30 Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. Madame, Monsieur, On parle

Plus en détail

Initiation à la fouille de données et à l apprentissage automatiq

Initiation à la fouille de données et à l apprentissage automatiq Initiation à la fouille de données et à l apprentissage automatique 1 Laboratoire d Informatique Fondamentale de Marseille Université de Provence christophe.magnan@lif.univ-mrs.fr www.lif.univ-mrs.fr/

Plus en détail

Franck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER

Franck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER Utilisation d images dérivées d un jeu de données LIDAR pour la détection automatisée de vestiges archéologiques (programme de recherche méthodologique LiDARCHEO) Franck VAUTIER, Jean-Pierre TOUMAZET,

Plus en détail

Document d orientation sur les allégations issues d essais de non-infériorité

Document d orientation sur les allégations issues d essais de non-infériorité Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette

Plus en détail

Comment les cartes annuelles de la qualité de l air sont-elles réalisées?

Comment les cartes annuelles de la qualité de l air sont-elles réalisées? Comment les cartes annuelles de la qualité de l air sont-elles réalisées? Les cartes «annual air quality» montrent le résultat du couplage de deux méthodes d évaluation de la qualité de l air : l interpolation

Plus en détail

CENTRE DE FORMATION ET D INTERPRETATION INTERARMEES DE L IMAGERIE DE CREIL CHEF DE CELLULE D INTERPRETATION ET D ANALYSE D IMAGES NIVEAU III

CENTRE DE FORMATION ET D INTERPRETATION INTERARMEES DE L IMAGERIE DE CREIL CHEF DE CELLULE D INTERPRETATION ET D ANALYSE D IMAGES NIVEAU III CENTRE DE FORMATION ET D INTERPRETATION INTERARMEES DE L IMAGERIE DE CREIL CHEF DE CELLULE D INTERPRETATION ET D ANALYSE D IMAGES NIVEAU III METIER, FONCTIONS ET ACTIVITES REFERENTIEL D ACTIVITE ET DE

Plus en détail

Objectif du groupe GT1.1 Fusion de Données

Objectif du groupe GT1.1 Fusion de Données Objectif du groupe GT1.1 Fusion de Données Le groupe travaille dans trois directions Le vocabulaire (piloté par ADVITAM et l aide de SITE) L état de l art (piloté par SYROKKO) Deux applications illustratives

Plus en détail

Méthodes avancées en décision

Méthodes avancées en décision Méthodes avancées en décision Support vector machines - Chapitre 2 - Principes MRE et MRS Principe MRE. Il s agit de minimiser la fonctionnelle de risque 1 P e (d) = y d(x;w, b) p(x, y) dxdy. 2 La densité

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

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Le Data Mining au service du Scoring ou notation statistique des emprunteurs! France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative

Plus en détail

Classification des nuages d eau sur les images Météosat

Classification des nuages d eau sur les images Météosat Revue des Energies Renouvelables Vol. 13 N 2 (2010) 347 354 Classification des nuages d eau sur les images Météosat M. Mesri *, A. Cheknane, A. Bey Boumezrag et M. Reguigue Département de Génie Electrique

Plus en détail

Thibault Denizet. Introduction à SSIS

Thibault Denizet. Introduction à SSIS Thibault Denizet Introduction à SSIS 2 SSIS - Introduction Sommaire 1 Introduction à SQL Server 2008 Integration services... 3 2 Rappel sur la Business Intelligence... 4 2.1 ETL (Extract, Transform, Load)...

Plus en détail

Usages des données 3D urbaines pour les villes de Genève et Lausanne

Usages des données 3D urbaines pour les villes de Genève et Lausanne Usages des données 3D urbaines pour les villes de Genève et Lausanne Rencontres SIG La Lettre : Le Grand Boom de la 3D Claudio Carneiro Ecole Polytechnique Fédérale de Lausanne (EPFL) Laboratoire de Systèmes

Plus en détail

PROPOSITION D UNE APPROCHE DE SEGMENTATION D IMAGES HYPERSPECTRALES

PROPOSITION D UNE APPROCHE DE SEGMENTATION D IMAGES HYPERSPECTRALES PROPOSITION D UNE APPROCHE DE SEGMENTATION D IMAGES HYPERSPECTRALES Nathalie GORRETTA MONTEIRO 1 1 UMR Information et Technologies pour les Agro-Procédés, Cemagref Montpellier, France Présentée le 25 Février

Plus en détail

Type de ressources : aide à la prise en main de logiciels permettant le traitement numérique des calculs d incertitudes

Type de ressources : aide à la prise en main de logiciels permettant le traitement numérique des calculs d incertitudes Niveau : terminale S. Thème : Calcul d incertitudes à l aide d outils numériques Type de ressources : aide à la prise en main de logiciels permettant le traitement numérique des calculs d incertitudes

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

BACCALAURÉAT PROFESSIONNEL ÉPREUVE DE MATHEMATIQUES. EXEMPLE DE SUJET n 1

BACCALAURÉAT PROFESSIONNEL ÉPREUVE DE MATHEMATIQUES. EXEMPLE DE SUJET n 1 Exemple de sujet n 1 Page 1/7 BACCALAURÉAT PROFESSIONNEL ÉPREUVE DE MATHEMATIQUES EXEMPLE DE SUJET n 1 Ce document comprend : Pour l examinateur : - une fiche descriptive du sujet page 2/7 - une fiche

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

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

Projet de Fin d Études Résumé Septembre 2012. Suivi d Affaires en Protection Incendie par SPRINKLER

Projet de Fin d Études Résumé Septembre 2012. Suivi d Affaires en Protection Incendie par SPRINKLER Projet de Fin d Études Résumé Septembre 2012 Suivi d Affaires en Protection Incendie par SPRINKLER Tuteur Entreprise : Mr ESTERMANN Tuteur École : Mr KIEFER Etudiant : Lambert MOLLARD Le stage présenté

Plus en détail

Optimiser la recherche d informations dans deux des Bases de Données internes et Accroître la productivité des analystes

Optimiser la recherche d informations dans deux des Bases de Données internes et Accroître la productivité des analystes Optimiser la recherche d informations dans deux des Bases de Données internes et Accroître la productivité des analystes Mémoire de stage Promotion 2010 Priscillia VON HOFMANN Abstract Today, the importance

Plus en détail

L unité de traitement d images de l IGN

L unité de traitement d images de l IGN L unité de traitement d images de l IGN Index Introduction 1.Présentation de l'unité 2.Types de données 2.1. Données topographiques 2.2. Données d'observation de la Terre Applications 1.Traitement d'images

Plus en détail

INFOGRAPHIE. Rapport du Projet de dessin 2D et 3D

INFOGRAPHIE. Rapport du Projet de dessin 2D et 3D Institut Galilée INFO 1 : Yohan ROUSSET Stéphane FOURNIER INFOGRAPHIE Rapport du Projet de dessin 2D et 3D Superviseur : R. MALGOUYRES Année 2008-2009 2 Table des matières I. Introduction... 4 II. Dessin

Plus en détail

Cours de Statistiques

Cours de Statistiques Cours de Statistiques Romain Raveaux 1 1 Laboratoire L3I Université de La Rochelle romain.raveaux01 at univ-lr.fr Octobre 24-11, 2008 1 / 35 Sommaire 1 Quelques Rappels 2 numériques Relations entre deux

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

CONTRAT D ETUDES. Domaine d études, Code 3. Département Composante. Code pays 4 Personne de contact E-mail/téléphone. Département Composante

CONTRAT D ETUDES. Domaine d études, Code 3. Département Composante. Code pays 4 Personne de contact E-mail/téléphone. Département Composante CONTRAT D ETUDES L étudiant Nom (s) Prénom (s) Date de naissance Nationalité 1 Sexe [M/F] Année académique 20../20.. Cycle d études 2 Téléphone Domaine d études, Code 3 E-mail L établissement d envoi Nom

Plus en détail

Fiche descriptive d une unité d enseignement (UE) et de ses éléments constitutifs (ECUE)

Fiche descriptive d une unité d enseignement (UE) et de ses éléments constitutifs (ECUE) Fiche descriptive d une unité d enseignement (UE) et de ses éléments constitutifs (ECUE) Intitulé de l UE Informatique Générale et SIG 2 Nombre des crédits:.. 6.. Code UE : GEOIDE2F1. Université : Mannouba.

Plus en détail

Arboriculture ornementale et gestion horticole. SIG 2006 1 Cabinet Pierre GRILLET cabinetpierregrillet@orange.fr

Arboriculture ornementale et gestion horticole. SIG 2006 1 Cabinet Pierre GRILLET cabinetpierregrillet@orange.fr Arboriculture ornementale et gestion horticole SIG 2006 1 Cabinet Pierre GRILLET Sommaire Introduction : présentation du Cabinet Pierre GRILLET 1. Définition des études 2. Relevé des données sur le terrain

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation.

Plus en détail

Support Vector Machines

Support Vector Machines Support Vector Machines Séparateurs à vaste marge Arnaud Revel revel.arnaud@gmail.com Plan 1 Introduction 2 Formalisation 3 Utilisation des noyaux 4 Cas multi-classes 5 Applications des SVM 6 Bibliographie

Plus en détail

GUIDE D UTILISATION DU CENTRE DE DONNÉES DE L ISU

GUIDE D UTILISATION DU CENTRE DE DONNÉES DE L ISU GUIDE D UTILISATION DU CENTRE DE DONNÉES DE L ISU Table des matières Page I. DÉMARRER... 4 1. Comment accéder au Centre de données de l ISU?... 4 2. Quels sont les types de tableaux statistiques disponibles

Plus en détail

Spécifications techniques

Spécifications techniques Département de l'intérieur et de la mobilité (DIM) Service de la mensuration officielle (SEMO) BATI 3D [Extrait du cahier des charges] Avril 2008 Page 1 1. DESCRIPTIF 1.1. Description des produits demandés

Plus en détail

Fichier README associé au produit «partie maritime fusionné» Litto3D Finistère V. 20140923

Fichier README associé au produit «partie maritime fusionné» Litto3D Finistère V. 20140923 Fichier README associé au produit «partie maritime fusionné» V. 20140923 Référence à consulter : Spécifications techniques Litto3D - v 1.0 (http://www.shom.fr/les-activites/projets/modelenumerique-terre-mer/applications-possibles/)

Plus en détail

Télédétection avec ERDAS Imagine

Télédétection avec ERDAS Imagine HEXAGON GEOSPATIAL WORLD TOUR 17 Mars Paris Stéphane LHOMME, Expert Télédétection Chef de Projet Afrique Subsaharienne Télédétection avec ERDAS Imagine ERDAS IMAGINE un produit de la suite Producer Collecter,

Plus en détail

How To Analyse Data from micro-array experiments: A Simple Tutorial

How To Analyse Data from micro-array experiments: A Simple Tutorial How To Analyse Data from micro-array experiments: A Simple Tutorial Serge Smidtas Supelec Source de données L analyse commence lorsque les MicroArray ont été scannées. Des images, des logiciels (Genepix,

Plus en détail

Cartes de l étendue des eaux libres liés aux inondations Guide des produits

Cartes de l étendue des eaux libres liés aux inondations Guide des produits Cartes de l étendue des eaux libres liés aux inondations Guide des produits Contexte Les crues ont parfois des effets dévastateurs sur la vie humaine, les infrastructures, l économie, les espèces sauvages

Plus en détail

Use Cases. Introduction

Use Cases. Introduction Use Cases Introduction Avant d aborder la définition et la conception des UC il est bon de positionner le concept du UC au sein du processus de développement. Le Processus de développement utilisé ici

Plus en détail

www.marquecanadabrand.agr.gc.ca www.mangezcanadien.ca

www.marquecanadabrand.agr.gc.ca www.mangezcanadien.ca La recherche antérieure a montré que la majorité des consommateurs canadiens affichent une préférence marquée pour l achat de produits alimentaires canadiens par rapport aux produits d importation. Est-ce

Plus en détail

PROGRAMME DES ÉPREUVES EXAMEN BTS NOTARIAT

PROGRAMME DES ÉPREUVES EXAMEN BTS NOTARIAT PROGRAMME DES ÉPREUVES EXAMEN BTS NOTARIAT www.imnrennes.fr ÉPREUVE E1 - CULTURE GÉNÉRALE ET EXPRESSION Coefficient 3 L objectif visé est de vérifier l aptitude des candidats à communiquer avec efficacité

Plus en détail

Encryptions, compression et partitionnement des données

Encryptions, compression et partitionnement des données Encryptions, compression et partitionnement des données Version 1.0 Grégory CASANOVA 2 Compression, encryption et partitionnement des données Sommaire 1 Introduction... 3 2 Encryption transparente des

Plus en détail

Activité 1 : échantillonnage

Activité 1 : échantillonnage Activité échantillonnage, intervalle de fluctuation, prise de décision (à partir d un même thème) Les trois activités qui suivent s inspirent du document «ressources pour la classe de première générale

Plus en détail

INSTRUCTION N 02 - ACM/DANA/SNA. relative au processus de conception des procédures de vols aux instruments

INSTRUCTION N 02 - ACM/DANA/SNA. relative au processus de conception des procédures de vols aux instruments INSTRUCTION N 02 - ACM/DANA/SNA relative au processus de conception des procédures de vols aux instruments 1 GÉNÉRALITÉS 1.1 La présente Instruction contient des dispositions générales pour le processus

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

Version du 14 novembre 2008. Introduction. Les systèmes LIDAR

Version du 14 novembre 2008. Introduction. Les systèmes LIDAR Version du 14 novembre 2008 Introduction Une représentation précise du relief est indispensable pour de très nombreuses applications de gestion du territoire. Les modèles numériques de terrain (MNT) et

Plus en détail

creer_construire_projet_owb_1.1.0.doc Document de référence : «Open Workbench User Guide r1.1.6 2007» (http://www.openworkbench.

creer_construire_projet_owb_1.1.0.doc Document de référence : «Open Workbench User Guide r1.1.6 2007» (http://www.openworkbench. 1/11 Auteur : Jacques Barzic (contact@jacques.barzic.fr) Sommaire Page 1 - Créer un projet 2/11 1.1 Généralités 1.2 Création d un nouveau projet 2 - Créer des ressources 3/11 2.1 Généralités sur les ressources

Plus en détail

Description du modèle de potentiel archéologique. 14A.1 Vue d ensemble

Description du modèle de potentiel archéologique. 14A.1 Vue d ensemble 14A Description du modèle de potentiel archéologique 14A.1 Vue d ensemble Les méthodes classiques de reconnaissance pédestre associées aux sondages souterrains représentent la manière la plus précise et

Plus en détail

PHYSIQUE. 5 e secondaire. Optique PHY-5041-2 DÉFINITION DU DOMAINE D EXAMEN

PHYSIQUE. 5 e secondaire. Optique PHY-5041-2 DÉFINITION DU DOMAINE D EXAMEN PHYSIQUE 5 e secondaire Optique PHY-5041-2 DÉFINITION DU DOMAINE D EXAMEN MAI 1999 Quebec PHYSIQUE 5 e secondaire Optique PHY-5041-2 DÉFINITION DU DOMAINE D EXAMEN MAI 1999 Direction de la formation générale

Plus en détail

Délimiter la limite haute du rivage le plus précisément possible

Délimiter la limite haute du rivage le plus précisément possible Délimiter la limite haute du rivage le plus précisément possible Intersection entre le modèle de marée et le MNT Le SHOM et ses principales missions EPA depuis 2007 sous tutelle du ministère de la Défense

Plus en détail

TUE402. TP Introduction à ER Mapper, aux images satellites et aux Modèles Numériques de Terrain

TUE402. TP Introduction à ER Mapper, aux images satellites et aux Modèles Numériques de Terrain TUE402. TP Introduction à ER Mapper, aux images satellites et aux Modèles Numériques de Terrain Ce premier TP sert à se familiariser avec le Système d Information Géographique ER Mapper, ainsi que d effectuer

Plus en détail

2 Etalonnage et mesure d un paramètre physique de la cible

2 Etalonnage et mesure d un paramètre physique de la cible SCIENSORIA NOTE D APPLICATIONS 9105 1 Introduction ETALONNAGE ET MESURE SANS CONTACT PAR CAPTEUR A COURANTS DE FOUCAULT AVEC LE SYSTEME Z-SCOPE V5 + WINEC V5.1 L appareil Z-Scope V5 est un appareil d analyse

Plus en détail

Mise en place d'une chaîne de production raster multi-échelles

Mise en place d'une chaîne de production raster multi-échelles 25 Février 2014 Thierry Boch tboch@esrifrance.fr Mise en place d'une chaîne de production raster multi-échelles FranceRaster Programme FranceRaster v4 Le produit "France Raster", coédition Esri France

Plus en détail

Table des matières. Avant-propos...

Table des matières. Avant-propos... Table des matières Avant-propos................................................. XI Chapitre 1 Découvrir Project 2013.......................... 1 1.1 Introduction.............................................

Plus en détail

Projet de Fin d'etudes (PFE)

Projet de Fin d'etudes (PFE) Projet de Fin d'etudes (PFE) PFE au Département Télécommunication Un PFE est un projet : 1. de Recherche et Développement : le but du projet doit être le développement de technologies (plateformes, architectures,

Plus en détail

Population étudiante en médecine vétérinaire : projections

Population étudiante en médecine vétérinaire : projections Population étudiante en médecine vétérinaire : projections Assemblée Générale des étudiants de Louvain 17 juin 2015 1 Avant-propos Depuis quelques semaines, la question de la surpopulation dans les filières

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Contrôle des spécifications dimensionnelles et géométriques sur Machines à Mesurer Tridimensionnelles

Contrôle des spécifications dimensionnelles et géométriques sur Machines à Mesurer Tridimensionnelles Contrôle des spécifications dimensionnelles et géométriques sur Machines à Mesurer Tridimensionnelles 1 Inspection d une spécification portée sur un dessin Les étapes : Définir selon la norme (ISO) la

Plus en détail

Les règles pour le Championnat du Monde de Calcul Mental 2014

Les règles pour le Championnat du Monde de Calcul Mental 2014 Les règles pour le Championnat du Monde de Calcul Mental 2014 Pour tout savoir Le formulaire d inscription et plus d informations sur cet événement peuvent être téléchargés sur http://www.recordholders.org/en/events/worldcup/.

Plus en détail

MIGRATION DE DONNÉES

MIGRATION DE DONNÉES Les contenus de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas être considérés comme un engagement de la société REVER.

Plus en détail

III CRITERES POUR CHOISIR UN COUPLE DE FLUOROPHORES

III CRITERES POUR CHOISIR UN COUPLE DE FLUOROPHORES Page : 17/ 77 III CRITERES POUR CHOISIR UN COUPLE DE FLUOROPHORES Le choix d un couple donneur-accepteur dépend de la technique utilisée (FRET, TR- FRET, BRET, etc.) et des molécules disponibles pour ces

Plus en détail

SECRETARIAT : INTEGRATION DE LOGICIELS BUREAUTIQUES

SECRETARIAT : INTEGRATION DE LOGICIELS BUREAUTIQUES MINISTERE DE LA COMMUNAUTE FRANCAISE ADMINISTRATION GENERALE DE L ENSEIGNEMENT ET DE LA RECHERCHE SCIENTIFIQUE ENSEIGNEMENT DE PROMOTION SOCIALE DE REGIME 1 DOSSIER PEDAGOGIQUE UNITE DE FORMATION SECRETARIAT

Plus en détail

Rapport de Stage. Habillage procédural et rendu en temps réel de vastes terrains texturés par GPU-quadtrees. (15 janvier - 15juillet 2006

Rapport de Stage. Habillage procédural et rendu en temps réel de vastes terrains texturés par GPU-quadtrees. (15 janvier - 15juillet 2006 Rapport de Stage Habillage procédural et rendu en temps réel de vastes terrains texturés par GPU-quadtrees (15 janvier - 15juillet 2006 15 avril - 15 juillet 2007) Effectué au sein du laboratoire MAP-ARIA

Plus en détail