Détection d objets cartographiques dans les images satellites Très Haute Résolution

Transcription

1 Détection d objets cartographiques dans les images satellites Très Haute Résolution Guray Erus, Nicolas Loménie Université René Descartes Paris5, Centre de Recherche en Informatique de Paris 5 (CRIP-5), équipe "Systèmes Intelligents de Perception" (SIP)

2 1. La présentation du problème 2. Les modules 1. Génération de modèles d objets cartographiques 2. Extraction d'objets cartographiques dans les imagettes 3. Extraction des primitives géométriques dans les imagettes. 4. Détection pilotée par la modélisation avec les ARGs Orientés Linéarisés 5. Un outil semi-interactif pour la détection d objets cartographiques 3. Perspectives 4. Conclusion Le plan

3 1. La présentation du problème Base d images Les objectifs 1. Classification d objets Imagettes d objets de chaque classe (100x100 pixels) Pont? Rond-point? Bâti isolé? 2. Détection d objets Rond-point Image satellite de grande taille (24000x24000 pixels) Pont

4 2. Les Modules Décrire un ensemble de modules opérationnels d analyse structurelle Elaborer des modèles haut-niveau plus structurels que statistiques Les intégrer dans un environnement logiciel

5 2.1 Génération de modèles d'objets cartographiques La décomposition

6 Transformation des images en ARGs: Les Graphes Relationnels Attribués Définition: Un graphe relationnel attribué (ARG) a 6 éléments: G = (S, A, A s, A a, αs, αa)

7 Génération du modèle Le modèle est le treillis limité par le Sous-graphe Maximal Commun (MaxSgC) et le Sur-graphe Minimal Commun (MinSgC) des prototypes. MaxSgC(A, B): MinSgC(A, B): Calcul de la distance d édition des exemples au modèle

8 Les Modèles obtenus

9 2.2 Extraction d'objets cartographiques dans les imagettes Un outil pour segmenter les imagettes et isoler l objet du fond Hybride en deux sens: Images panchromatiques de résolution 2.5 m. - Images multispectrales de résolution 10 m. Segmentation par contour et région

10 Images panchromatiques - Images multispectrales Obtention d'un masque de recouvrement Fusion des bandes spectrales de l image multispectrale Segmentation par seuillage avec hysteresis Localisation du masque par recouvrement de contours

11 Segmentation par contour et région Segmentation de l image panchromatique par watershed Watershed avec marqueurs autour des contours

12 Extraction de l'objet On attend des images Pléiades sub-métriques où la géométrie est plus prépondérante...

13 2.3 Extraction des primitives géométriques dans les imagettes Les contours... après la fusion

14 ... segmentés et classifiés les segments les arcs

15 les cercles les parallèles les rectangles

16 2.4 Détection pilotée par la modélisation avec les ARGs Orientés Linéarisés Modélisation graphique Modélisation linguistique Definition des Noeuds_Rond-point: No=1 Type=Circle Radius=20 PosX=150 PosY=150 No=2 Type=Rect Length=1.Radius*3 Width=10 No=3 Type=Rect Length=1.Radius*3 Width=5 No=4 Type=Rect Length=1.Radius*2 Width=5 Definition des Relations Rond-point: NoTo=2 NoFrom=1 CenterDist=1.Radius+2.Length/2 Angle=0 NoTo=3 NoFrom=1 CenterDist=1.Radius+3.Length/2 Angle=0 NoTo=3 NoFrom=2 Angle=120 ARG Orienté Linéarisé

17 Générateur d'objets Lire la définition du modèle Générer aléatoirement des formes primitives et accepter celles qui sont conformes au modèle Les rond-points générés:

18 La détection les primitives

19 le rond-point détecté

20 2.5. Un outil semi-interactif pour la détection d objets cartographiques* (*) En coopération avec Image Processing and Pattern Recognition Laboratory, Dep. of Computer Engineering, METU, Ankara, Turquie)

21 3. Perspectives Enrichir la définition du modèle: les attributs flous les autres catégories du raisonnement spatial (topologie, inclusion, orientation) Ajouter d'autres primitives Développer un outil de création de modèle Intégrer la détection par modèle dans le logiciel de classification semi- automatique

22 3. Conclusion Expérience sur les modèles structurels Orientation forte vers l'interaction entre ces modèles structurels et les utilisateurs Nécessité de valider quantitativement les résultats de la détection pilotée par le modèle; néanmoins les premiers résultats sont satisfaisants

23 Je vous remercie pour votre attention...