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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

> Introduction à la Télédétection

> Introduction à la Télédétection La télédétection est une technique qui permet d étudier la surface de la Terre au moyen de capteurs placés à bord d avions ou de satellites. Ces instruments enregistrent les rayonnements émis ou réfléchis

Plus en détail

ENVI LE LOGICIEL LEADER POUR L EXTRACTION D INFORMATIONS À PARTIR DE DONNÉES GÉOSPATIALES

ENVI LE LOGICIEL LEADER POUR L EXTRACTION D INFORMATIONS À PARTIR DE DONNÉES GÉOSPATIALES ENVI LE LOGICIEL LEADER POUR L EXTRACTION D INFORMATIONS À PARTIR DE DONNÉES GÉOSPATIALES ENVI De l imagerie à la connaissance La gamme de produits ENVI s appuie sur des méthodes scientifiques et des processus

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

PROSPECTION SUR LES PROCHE INFRAROUGE. Gilles Gachet. Groupe de travail :

PROSPECTION SUR LES PROCHE INFRAROUGE. Gilles Gachet. Groupe de travail : PROSPECTION SUR LES IMAGES NUMERIQUES PROCHE INFRAROUGE Gilles Gachet Groupe de travail : Orane Reuland (GE) Marc Riedo (NE) Vincent Grandgirard (FR) Raphaël Bovier (Swisstopo) Davis Giorgis (VD) Plan

Plus en détail

3. MODELER : interface graphique utile pour faire des séries d opérations sur des données et du traitement par lots (batch processing).

3. MODELER : interface graphique utile pour faire des séries d opérations sur des données et du traitement par lots (batch processing). SYS866 Système d information géographique et télédétection Laboratoire 1. Présentation générale du logiciel PCI GEOMATICA V9.1 et pratique avec FOCUS I. Les modules La barre d outils générale de PCI contient

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

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

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

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

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

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

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

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

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

Estimation de l évapotranspiration à partir des images aéroportées et satellitaires à Montréal. Présentée par LEKOUCH Imad

Estimation de l évapotranspiration à partir des images aéroportées et satellitaires à Montréal. Présentée par LEKOUCH Imad Estimation de l évapotranspiration à partir des images aéroportées et satellitaires à Montréal Présentée par LEKOUCH Imad Pr. Yves Baudouin Le 27-03-2014 Plan INTRODUCTION Évapotranspiration (ETP) Landsat-8

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

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

Apprentissage par méthodes à noyaux en reconnaissance d images

Apprentissage par méthodes à noyaux en reconnaissance d images Apprentissage par méthodes à noyaux en reconnaissance d images Alberto Bietti Table des matières Introduction 2 1 Apprentissage par méthodes à noyaux 2 1.1 Position du problème et motivation..........................

Plus en détail

REMOTE SENSING IN SUPPORT OF PUBLIC SERVICE OF WALLONIA ACTIVITIES

REMOTE SENSING IN SUPPORT OF PUBLIC SERVICE OF WALLONIA ACTIVITIES Belgian Earth Observation Day 2014 Thursday 20 November REMOTE SENSING IN SUPPORT OF PUBLIC SERVICE OF WALLONIA ACTIVITIES Service public de Wallonie Secrétariat général Dominique Buffet Christophe Schenke

Plus en détail

Exploration d images de télédétection et quelques traitements et analyses

Exploration d images de télédétection et quelques traitements et analyses Module Géomatique Faculté des Sciences d Orsay 2006) Soudani Kamel (Dernière modification : Juillet Soudani Kamel Maître de Conférences Laboratoire Ecologie Systématique et Evolution Département Ecophysiologie

Plus en détail

Inventaires forestiers assistés par LiDAR aérien

Inventaires forestiers assistés par LiDAR aérien Inventaires forestiers assistés par LiDAR aérien Matthew Parkan Laboratoire des Systèmes d Information Géographique (LASIG) EPFL WHFF (OFEV), projet 2013.18 Introduction (1) - Objectifs Dans le contexte

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

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

Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8

Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8 Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8 Christine TURCK 1 * et **, Christiane WEBER**, Dominique THOME*

Plus en détail

Novembre 2014. L utilisation des données LiDAR pour la connaissance et la restauration des tourbières. Pôle-relais Zones Humides

Novembre 2014. L utilisation des données LiDAR pour la connaissance et la restauration des tourbières. Pôle-relais Zones Humides L utilisation des données LiDAR et la restauration des tourbières Pôle-relais Zones Humides 1 - Principe Le LiDAR (Light detection and ranging) fonctionne sur le même principe que le radar, mais les ondes

Plus en détail

Services aériens pour l agriculture : Un marché d avenir 4 novembre 2014 Technopôle Pégase Aéroport d Avignon

Services aériens pour l agriculture : Un marché d avenir 4 novembre 2014 Technopôle Pégase Aéroport d Avignon Services aériens pour l agriculture : Un marché d avenir 4 novembre 2014 Technopôle Pégase Aéroport d Avignon Les projets au service de l agriculture de précision au sein de l IRSTEA Sylvain Labbé Montpellier

Plus en détail

Contribution of remote sensing for Regional plan of ecological coherence Green and blue belt networks

Contribution of remote sensing for Regional plan of ecological coherence Green and blue belt networks First BreTel Workshop, May 31 - June 1st 2012, Saint-Malo, FRANCE Contribution of remote sensing for Regional plan of ecological coherence Green and blue belt networks L. Hubert-Moy, J. Nabucet, S. Dufour

Plus en détail

L objectif de notre travail

L objectif de notre travail SIG Cartographie semi-automatisée des toitures végétalisées de la Ville de Genève J. Massy P.Martin N. Wyler Conservatoire et Jardin botaniques de la Ville de Genève Chemin de l Impératrice 1-Case postale

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

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

Apport de l imagerie infrarouge thermique (IRT) satellite pour évaluer la température du Rhône sur un linéaire de 500 km.

Apport de l imagerie infrarouge thermique (IRT) satellite pour évaluer la température du Rhône sur un linéaire de 500 km. Apport de l imagerie infrarouge thermique (IRT) satellite pour évaluer la température du Rhône sur un linéaire de 500 km. Vincent Wawrzyniak 1* & Hervé Piégay 1 1Université de Lyon, CNRS-UMR 5600, Site

Plus en détail

Exploration d une image satellite à haute résolution du Bassin d Arcachon

Exploration d une image satellite à haute résolution du Bassin d Arcachon [GROUPE DE TRAVAIL ESPACE] Académie de Bordeaux 1 Exploration d une image satellite à haute résolution du Bassin d Arcachon On dispose ici d une image satellite du Bassin d Arcachon obtenue par le satellie

Plus en détail

Génération de Modèles Numériques de Terrain à partir de données LIDAR par approche multi-résolutions

Génération de Modèles Numériques de Terrain à partir de données LIDAR par approche multi-résolutions Génération de Modèles Numériques de Terrain à partir de données LIDAR par approche multi-résolutions Nesrine Chehata 1,2 et Frédéric Bretar 2 1 Institut EGID, laboratoire GHYMAC 1 allée F.Daguin 33670

Plus en détail

CENTRE DE FORMATION ET D INTERPRETATION INTERARMEES DE L IMAGERIE DE CREIL INTERPRETE ANALYSTE EN SCIENCES ET TECHNIQUES DE L IMAGE NIVEAU IV

CENTRE DE FORMATION ET D INTERPRETATION INTERARMEES DE L IMAGERIE DE CREIL INTERPRETE ANALYSTE EN SCIENCES ET TECHNIQUES DE L IMAGE NIVEAU IV CENTRE DE FORMATION ET D INTERPRETATION INTERARMEES DE L IMAGERIE DE CREIL INTERPRETE ANALYSTE EN SCIENCES ET TECHNIQUES DE L IMAGE NIVEAU IV METIER, FONCTIONS ET ACTIVITES REFERENTIEL D ACTIVITE ET DE

Plus en détail

L utilisation du lidar terrestre en foresterie. Richard Fournier Département de géomatique appliquée

L utilisation du lidar terrestre en foresterie. Richard Fournier Département de géomatique appliquée L utilisation du lidar terrestre en foresterie Richard Fournier Département de géomatique appliquée Problématique Inventaire traditionnel : photographie aérienne imagerie satellitaire relevés manuels sur

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

SPOT4 (Take 5) : Sentinel-2 avec deux ans d avance

SPOT4 (Take 5) : Sentinel-2 avec deux ans d avance SPOT4 (Take 5) : Sentinel-2 avec deux ans d avance Olivier Hagolle Mercredi 6 février 2012 Sentinel-2 : révolution du suivi de la végétation par télédétection 13 bandes spectrales, résolution 10m à 20m,

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

Global Monitoring Emergency Services

Global Monitoring Emergency Services Global Monitoring Emergency Services Christelle BOSC Olivier POCHARD 22/05/2012 Pôle Applications Satellitaires et Télécommunicaton CETE Sud-Ou LE PROGRAMME GMES Global Monitoring for Environment and Security

Plus en détail

Calculatrice vocale basée sur les SVM

Calculatrice vocale basée sur les SVM Calculatrice vocale basée sur les SVM Zaïz Fouzi *, Djeffal Abdelhamid *, Babahenini MohamedChaouki*, Taleb Ahmed Abdelmalik**, * Laboratoire LESIA, Département d Informatique, Université Mohamed Kheider

Plus en détail

IMAGE SATELLITALE ET BIOSPHÈRE

IMAGE SATELLITALE ET BIOSPHÈRE THÈME : Planète Terre et son environnement Niveau : seconde IMAGE SATELLITALE ET BIOSPHÈRE EXTRAIT DU BO: Planète Terre et environnement global La structure et l'évolution des enveloppes externes de la

Plus en détail

Apport d une classification non supervisée floue à la segmentation par ligne de partage des eaux

Apport d une classification non supervisée floue à la segmentation par ligne de partage des eaux Apport d une classification non supervisée floue à la segmentation par ligne de partage des eaux S. Derivaux, S. Lefèvre, C. Wemmert and J. J. Korczak LSIIT - CNRS - Université Louis Pasteur - UMR 7005

Plus en détail

L utilisation de la SPIR au service de l entretien l parcours de golf : intérêts et limites. CIRAD, Montpellier (France)

L utilisation de la SPIR au service de l entretien l parcours de golf : intérêts et limites. CIRAD, Montpellier (France) L utilisation de la SPIR au service de l entretien l des parcours de golf : intérêts et limites L. Thuriès,, D. Bastianelli CIRAD, Montpellier (France) SPIR gazon : pour quoi faire? Suivi des sols : Teneur

Plus en détail

Caractérisation des couverts forestiers

Caractérisation des couverts forestiers Caractérisation des couverts forestiers Dominique Guyon INRA, UMR ISPA, Bordeaux Cadre Visible, proche et moyen infrarouge Développements méthodologiques en vue d applications opérationnelles Travaux de

Plus en détail

Journées d Animation Scientifique (JAS09) de l AUF Alger Novembre 2009

Journées d Animation Scientifique (JAS09) de l AUF Alger Novembre 2009 Conception d un système d information géographique pour la gestion du réseau routier urbain M. Bendouda 1 et N.E. Berrached 1, 1 Laboratoire de Recherche en Systèmes Intelligents, Dép. Electronique, Fac.

Plus en détail

Développement d une ontologie pour la classification d images en télédétection

Développement d une ontologie pour la classification d images en télédétection Développement d une ontologie pour la classification d images en télédétection Omar Boussaid, David Sheeren, Anne Puissant et Pierre Gançarski Laboratoire ERIC, EA 3038 - Université Lyon 2 Omar.Boussaid@univ-lyon2.fr

Plus en détail

Direction des inventaires forestiers GUIDE D INTERPRÉTATION DES MOSAÏQUES D IMAGES SATELLITE LANDSAT

Direction des inventaires forestiers GUIDE D INTERPRÉTATION DES MOSAÏQUES D IMAGES SATELLITE LANDSAT Direction des inventaires forestiers GUIDE D INTERPRÉTATION DES MOSAÏQUES D IMAGES SATELLITE LANDSAT Ministère des Forêts, de la Faune et des Parcs Secteur des forêts Mars 2015 II RÉDACTION Antoine Lebœuf,

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

Cours de Traitement de l Image Licence 3

Cours de Traitement de l Image Licence 3 Cours de Traitement de l Image Licence 3 Jean-Luc Baril Université de Bourgogne - Dépt IEM Laboratoire LE2I - http://vision.u-bourgogne.fr barjl@u-bourgogne.fr http://www.u-bourgogne.fr/jl.baril Lena :

Plus en détail

L image geospatiale au service de l aviation civile

L image geospatiale au service de l aviation civile Toulouse, le 31 mars 2009 L image geospatiale au service de l aviation civile The information contained in this document pertains to software products and services that are subject to the controls of the

Plus en détail

Cartographie et localisation par radar hyperfréquence

Cartographie et localisation par radar hyperfréquence Cartographie et localisation par radar hyperfréquence Pour mieux affirmer ses missions, le Cemagref devient Irstea www.irstea.fr IRSTEA Unité de Recherche Technologie et systèmes d information pour les

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

Once the installation is complete, you can delete the temporary Zip files..

Once the installation is complete, you can delete the temporary Zip files.. Sommaire Installation... 2 After the download... 2 From a CD... 2 Access codes... 2 DirectX Compatibility... 2 Using the program... 2 Structure... 4 Lier une structure à une autre... 4 Personnaliser une

Plus en détail

Sensitivity of SAR data to the soil surface parameters

Sensitivity of SAR data to the soil surface parameters Sensitivity of SAR data to the soil surface parameters Nicolas Baghdadi Irstea, Maison de la télédétection, UMR TETIS, Montpellier, France Sensibilité du signal radar en bande X: TerraSAR-X Fort potentiel

Plus en détail

Fouille de données multi-stratégies pour l'extraction de connaissances à partir d'images de télédétection

Fouille de données multi-stratégies pour l'extraction de connaissances à partir d'images de télédétection Fouille de données multi-stratégies pour l'extraction de connaissances à partir d'images de télédétection Cédric WEMMERT* Alexandre BLANSCHE* Anne PUISSANT** *LSIIT UMR 7005 CNRS/ULP Apprentissage et Fouille

Plus en détail

Apprentissage supervisé

Apprentissage supervisé Apprentissage supervisé 1 Apprendre aux ordinateurs à apprendre Objectif : appliquer la démarche de l apprentissage par l exemple à l ordinateur. Montrer des exemples à l ordinateur en lui disant de quoi

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

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

Description du produit SPOT DEM

Description du produit SPOT DEM Description du produit SPOT DEM Version 1.2-1 er janvier 2005 Cette édition remplace et annule les précédentes versions Glossaire DIMAP DTED DXF Digital Image MAP format d encapsulage associant la partie

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

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

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

LA MISE A JOUR DE DONNEES TOPOGRAPHIQUES A L'IGN BELGE: LES CHOIX METHODOLOGIQUES ET LEURS CONSEQUENCES

LA MISE A JOUR DE DONNEES TOPOGRAPHIQUES A L'IGN BELGE: LES CHOIX METHODOLOGIQUES ET LEURS CONSEQUENCES CO-351 LA MISE A JOUR DE DONNEES TOPOGRAPHIQUES A L'IGN BELGE: LES CHOIX METHODOLOGIQUES ET LEURS CONSEQUENCES BAYERS E. IGN, BRUXELLES, BELGIUM ÉVOLUTION DES TECHNIQUES DE PRODUCTION DE DONNÉES TOPOGRAPHIQUES

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

Métrologie par photogrammétrie aéroportée légère

Métrologie par photogrammétrie aéroportée légère Colloque scientifique francophone Drones et moyens légers aéroportés d'observation Montpellier, 24-26 Juin 2014 V. Tournadre, M. Pierrot Deseilligny, P.H. Faure Présentation par Vincent Tournadre Photogrammètre

Plus en détail

Détection de l érosion dans un bassin versant agricole par comparaison d images multidates acquises par drone

Détection de l érosion dans un bassin versant agricole par comparaison d images multidates acquises par drone Détection de l érosion dans un bassin versant agricole par comparaison d images multidates acquises par drone journée d études sur l apport des drones pour l environnement Lisein Jonathan, Nathalie Pineux,

Plus en détail

SIGNAUX ANALOGIQUES ET NUMERIQUES

SIGNAUX ANALOGIQUES ET NUMERIQUES SIGNAUX ANALOGIQUES ET NUMERIQUES 1. ANALOGIQUE OU NUMERIQUE? Un signal est la représentation physique d une information qui est transportée avec ou sans transformation, de la source jusqu au destinataire.

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

PROJECT. Guide pratique pour les chefs de projet APPLICATIONS MÉTIERS. Vincent Capitaine

PROJECT. Guide pratique pour les chefs de projet APPLICATIONS MÉTIERS. Vincent Capitaine APPLICATIONS MÉTIERS PROJECT 2010 Guide pratique pour les chefs de projet Vincent Capitaine Table des matières Avant-propos................................................. XI Chapitre 1 Découvrir Project

Plus en détail

Compression des images hyperspectrales et son impact sur la qualité des données

Compression des images hyperspectrales et son impact sur la qualité des données Hyperspectral QI Compression Flexibilité Conclusion Compression des images hyperspectrales et son impact sur la qualité des données Emmanuel CHRISTOPHE Corinne Mailhes, Co-directrice de thèse, TéSA/IRIT

Plus en détail

La photogrammétrie à l IGN

La photogrammétrie à l IGN La photogrammétrie à l IGN 1. Introduction La photogrammétrie est une technique qui permet de faire des mesures à partir de photos aériennes ou - selon les méthodes les plus récentes telles que le radar

Plus en détail

Applications en milieux urbains

Applications en milieux urbains Applications en milieux urbains Marc BINARD, attaché de recherche, Université de Liège, Faculté des sciences, Département de Géographie, Unité de Géomatique 1 Télédétection: Les services destinés à l administration

Plus en détail

Cartographie de la végétation polynésienne par classification SVM de données multi-sources

Cartographie de la végétation polynésienne par classification SVM de données multi-sources Cartographie de la végétation polynésienne par classification SVM de données multi-sources Robin Pouteau 2 ème Séminaire GePaSud : 12 novembre 2009 Vaiahu, Nuku Hiva (Marquises) La végétation polynésienne

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

SVM : Machines à Vecteurs de Support ou Séparateurs à Vastes Marges

SVM : Machines à Vecteurs de Support ou Séparateurs à Vastes Marges SVM : Machines à Vecteurs de Support ou Séparateurs à Vastes Marges Mohamadally Hasan Fomani Boris BD Web, ISTY3 Versailles St Quentin, France hmohamad@isty-info.uvsq.fr bfomanik@isty-info.uvsq.fr 16 janvier

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

Tutoriel Drupal «views»

Tutoriel Drupal «views» Tutoriel Drupal «views» Tutoriel pour la découverte et l utilisation du module Drupal «Views» 1 Dans ce tutoriel nous allons d abord voir comment se présente le module views sous Drupal 7 puis comment

Plus en détail

KAL-Haïti Bilan des données. A. GIROS - Th. RABAUTE 2 ème Atelier Contributeurs KAL-Haïti Paris - 6-7 juin 2012

KAL-Haïti Bilan des données. A. GIROS - Th. RABAUTE 2 ème Atelier Contributeurs KAL-Haïti Paris - 6-7 juin 2012 KAL- Bilan des données A. GIROS - Th. RABAUTE 2 ème Atelier Contributeurs KAL- Paris - 6-7 juin 2012 INTRODUCTION Typologie globale des données Données images optiques Spot Pléiades Données images radar

Plus en détail

SYS-809 Vision par ordinateur. Laboratoire 2 - Introduction à la boîte à outils Orfeo (OTB)

SYS-809 Vision par ordinateur. Laboratoire 2 - Introduction à la boîte à outils Orfeo (OTB) SYS-809 Vision par ordinateur Laboratoire 2 - Introduction à la boîte à outils Orfeo (OTB) Objectifs du laboratoire Ce laboratoire se veut une introduction à OTB. Nous nous intéressons à : Présentation

Plus en détail