Reconnaissance / extraction de bâtiments pour la cartographie rapide

Dimension: px
Commencer à balayer dès la page:

Download "Reconnaissance / extraction de bâtiments pour la cartographie rapide"

Transcription

1 Reconnaissance / extraction de bâtiments pour la cartographie rapide Stéphane MAY 1

2 Extraction de bâtiments pour la cartographie rapide Contexte Exemple : Inondation suite à la tempête Xynthia Février 2010 Détecter les zones urbaines afin d'évaluer la zone d'impact Detection de zones urbaines et bâtiments : Cartographie rapide Gestion du risque Plans d'occupation du sol,... Source : SERTIT 2

3 Extraction de bâtiments pour la cartographie rapide Besoins Extraire rapidement les zones urbaines Extraire / détourer les bâtiments touchés Contexte de situation de crise : Outils robustes Fonctionnent à différentes résolutions : 10m 2.50m 60cm Mise en oeuvre facile et rapide Temps de traitement << Opérations manuelles Peu ou pas de fausses alarmes Les erreurs / oublis de la détection de bâtiments sont tolérés 3

4 Extraction de bâtiments pour la cartographie rapide Difficultés Bâtiments = objets hétérogènes Variabilité de formes, de radiométrie, de type de voisinage spatial Avec la très haute résolution, nouvelles classes d'objets dans l'objet : différentes pentes de toits, fenêtres de toit, cheminées, effets d'ombre, panneaux solaires, etc. 4

5 Extraction de bâtiments pour la cartographie rapide Idées Utilisation d'un masque de focalisation pour accélérer les traitements Focalisation avec densité de contours, filtres de Gabor Urban area extraction using OTB - S. May, J. Inglada - IGARSS 2009 Travailler à une résolution dégradée dès que c'est possible pour réduire le temps de traitement Exploiter une image segmentée : temps de traitement des pixels << temps de traitement des régions Object Based Image Analysis and geo-spatial analysis. J. Michel, J. Inglada S'appuyer sur la radiométrie, la texture (contours), la forme Fusion d'images optique et radar avec théorie Dempster-Shafer - V. Poulain 5

6 Chaîne de traitement (Focalisation) Segmentation Classification des segments Focalisation Radiométrie NDVI NDVI = (NIR-RED) / (NIR+RED) NDWI NDWI = (NIR-MIR) / (NIR + MIR) Elimination rapide des zones non urbaines Texture Filtrage des formes Densité de contours Ajustement du contour Filtres de Gabor (Gabor Texture Index) (*) Filtrage Pan Tex Masque sur zones potentiellement urbaines 6

7 Algorithme densité de contour Calcul d'une densité locale de contours autour d'un pixel Filtre Sobel (detection des contours) Seuillage Calcul de la densité de contours sur un voisinage 1 seul paramètre : rayon du filtre 7

8 Détecteur Pantex Calcul du contraste à partir des descripteurs de Haralick Considérant 8 directions, calcul des matrices de co-occurence Calcul du pas de l'histogramme optimal suivant la formule de Scott Calcul du contraste avec descripteurs de Haralick La valeur de sortie du filtre est la valeur min des contrastes 1 paramètre : rayon du filtre 8

9 Filtres de Gabor Filtre de Gabor : filtre linéaire dont la réponse impulsionnelle est défini par une fonction harmonique multipliée par une fonction Gaussienne A=0.10 B=0.20 =0 f=0.25 A=0.12 B=0.12 =45 f=0.12 Propriétés intéressantes pour détécter des textures et des alignements 9

10 Algorithme de filtrage Gabor Texture Index Algorithme proposé Filtrage de Gabor dans N directions (banque de filtres de Gabor) Calcul de l'écart type des valeurs dans un voisinage du pixel Selection de la valeur médiane des valeurs pour N directions (x M canaux) Seuillage pour construire le masque binaire urbain 10

11 Chaîne de traitement Focalisation (Focalisation) Segmentation Texture Densité de contours : 1 seul paramètre. Méthode robuste et très rapide. Filtrage des formes Filtres de Gabor (Gabor Texture Index) : meilleures performances (détection d'alignements, mais temps de traitement plus long que la densité de contours. Ajustement du contour Filtrage Pan Tex : détecte les zones urbaines, mais pénalisé par un long temps de traitement Classification des segments Texture + Radiométrie à résolution 10 ou 20 m 11

12 Focalisation & OTB Masque avec densité de contour + NDVI disponible dans une application OTB otburbanareaextractionapplication 12

13 Chaîne de traitement (Focalisation) Segmentation Permet de grouper les régions homogènes Filtrage des formes Facilite la classification et accélère les traitements en avals (traitement des segments) Sur-segmentation préférée : respecte la forme des objets recherchés Segmentation : algorithme Mean-shift, Ligne de Partage des Eaux (Watershed), etc. Ajustement du contour Optionnel : pré-filtrage de l'image avec filtre Median, filtre de Lee (respect des contours) Segmentation Classification des segments 13

14 Résultats de segmentation Segmentation avec Mean-shift Rayon spectral 5 Rayon spatial 10 Taille min segment 4 14

15 Chaîne de traitement (Focalisation) Classification supervisée des segments Calcul de primitives pour les segments Segmentation Classification des segments Filtrage des formes Moyenne des variances locales Teinte, Saturation, Valeur Etc. Calcul d'une distance à l'objet d'après l'histogramme des distances aux segments (*) Classification SVM Ajustement du contour 15

16 Distance à l'objet d'après l'histogramme des distances aux segments Image Masques décrivant les classes d'objet Exploitation de plusieurs segments pour un même objet : prise en compte des éléments hétérogènes constituant l'objet Pondération avec Nk, Pré-traitements Filtrage médian Segmentation Primitives nombre de pixels du segment du dictionnaire Pour chaque classe, création d'un dictionnaire des segments représentatifs {Sk} { {Mj}k, Nk } k : [1..nb_segs_dico] j : [1..nb_cans] Pour chaque segment de l'image, calcul de la distance aux segments du dictionnaire d'une classe objet => Histogramme des distances Distance : norme L2, angle spectrale, etc. p =Pr(D<d) d : Distance à la classe objet 16

17 Distance à l'objet d'après l'histogramme des distances aux segments Distance à la classe «bâtiments à toits bruns». Probas = 2%, 5%, 10% Distance à la classe «ombre» Probas = 2%, 5%, 10% Distance à la classe «NON bâtiment NON ombre». Probas = 2%, 5%, 10% 17

18 Résultats de classification supervisée Classif. avec distances aux histos. Gain qualitatif pour l'extraction des bâtiments en exploitant la distance aux histogrammes. Classif. SVM 2 classes (radiométrie seule) Classif. SVM 2 classes (radiométrie seule + distances aux histos) 18

19 Extraction de primitives avec OTB - Monteverdi 19

20 Classification SVM avec OTB - Monteverdi 20

21 Chaîne de traitement (Focalisation) Filtrage de formes Polygonisation du contour du masque Segmentation Classification des segments Filtrage des formes Calcul de primitives de formes Périmètre Surface Compacité Filtrage des formes selon des intervalles de valeurs sur ces critères Ajustement du contour 21

22 Filtrage des formes Contours imparfaits pour les objets à fort contraste 22

23 Chaîne de traitement (Focalisation) Segmentation Ajustement du contour Tentative pour ajuster le contour de la forme détectée au mieux par rapport à l'image Contraintes sur les contours Classification des segments Filtrage des formes Ajustement du contour Contraintes sur la radiométrie Objectif : utiliser des algorithmes de type Contours actifs (snakes) Objectif : export vers des bases SIG type PostGIS 23

24 Conclusion Nécessité de prendre en compte les contraintes de temps de traitement pour l'extraction des objets en cartographie rapide Intérêt de la segmentation pour l'extraction des objets (OBIA) Intérêt de l'utilisation de l'histogramme des distances pour la classification objet 24

25 Extraction de bâtiments pour la cartographie rapide Merci pour votre attention 25

Analyse d images satellitaires à haute résolution pour la mise à jour de bases de données cartographiques

Analyse d images satellitaires à haute résolution pour la mise à jour de bases de données cartographiques Analyse d images satellitaires à haute résolution pour la mise à jour de bases de données cartographiques V. Poulain, J. Inglada, M. Spigai, Ph. Marthon et J-Y. Tourneret 7 mai 2010 Gdr ISIS - Reconnaissance

Plus en détail

Objectifs Reconnaissance de cibles > Application à la base de données MSTAR Utilisation de la méthode SVM (Support Vector Machines) > Définition d un

Objectifs Reconnaissance de cibles > Application à la base de données MSTAR Utilisation de la méthode SVM (Support Vector Machines) > Définition d un Application des SVM à la reconnaissance d objets dans des images SAR C. Tison, N. Pourthié, D. Deleflie Celine.tison@cnes.fr CNES DCT/SI/AR ORFEO - Journée Méthodologie 17 janvier 2007 1 Objectifs Reconnaissance

Plus en détail

SYS-844 VISION PAR ORDINATEUR

SYS-844 VISION PAR ORDINATEUR Département de génie de la proction automatisée! VISION PAR ORDINATEUR Plan détaillé - Hiver 2013 1 7 2 3 14 21 Introction Organisation, laboratoires, formation des équipes Aperçu général de la vision

Plus en détail

Visualisation, techniques d'amélioration de la visualisation des images numériques

Visualisation, techniques d'amélioration de la visualisation des images numériques Traitements numériques des images de télédétection Visualisation, techniques d'amélioration de la visualisation des images numériques OLIVIER DE JOINVILLE 2e partie Table des matières I - Rappels sur la

Plus en détail

BE - Télédétection. Jordi Inglada. Mai Cet exercice permet de se familiariser avec l utilisation de Monteverdi.

BE - Télédétection. Jordi Inglada. Mai Cet exercice permet de se familiariser avec l utilisation de Monteverdi. BE - Télédétection Jordi Inglada Mai 2013 1 Présentation de Monteverdi 1.1 Description 1.1.1 Résumé Cet exercice permet de se familiariser avec l utilisation de Monteverdi. 1.1.2 Objectifs Visualisation

Plus en détail

Bases de données multimédia

Bases de données multimédia Bases de données multimédia Séance 2 : Descripteurs d images et applications Valérie Gouet-Brunet 12 Octobre 2011 Plan de la séance Focus sur les descripteurs de contenus visuels génériques Description

Plus en détail

Proposition d études GT6 : Approche méthodologique

Proposition d études GT6 : Approche méthodologique Proposition d études GT6 : Approche méthodologique Nesrine Chehata Maître de conférences Institut EGID Université Bordeaux 3 Nesrine.chehata@egid.u-bordeaux3.fr Réunion Thématique Orféo GT6 Forêts GT7

Plus en détail

Raisonnement Spatial pour l Analyse d Images HR

Raisonnement Spatial pour l Analyse d Images HR Raisonnement Spatial pour l Analyse d Images HR ORFEO - Volet Méthodologique Julien Michel, Jordi Inglada CENTRE NATIONAL D ÉTUDES SPATIALES 17 Janvier 2007 1 Introduction Introduction Évolution des problématiques

Plus en détail

Procédé automatisé de détection de zones urbanisées dans la Caraïbe

Procédé automatisé de détection de zones urbanisées dans la Caraïbe Procédé automatisé de détection de zones urbanisées dans la Caraïbe Auteur : David Réchal Partenaire : IRD, UMR ESPACE-Dev Date : 15 décembre 2012 Territoires Caraïbe Climat Milieu marin Mangrove Littoral

Plus en détail

Test d une méthodologie de détection de la tâche urbaine

Test d une méthodologie de détection de la tâche urbaine Test d une méthodologie de détection de la tâche urbaine Territoires Caraïbe Auteur : David Réchal Climat Milieu marin Partenaire : UMR ESPACE-DEV, IRD Mangrove Date : Septembre 2010 Littoral Projet CARIBSAT

Plus en détail

Evaluation de Quelques Méthodes de Segmentation -Application aux Caractères Tifinagh-

Evaluation de Quelques Méthodes de Segmentation -Application aux Caractères Tifinagh- Evaluation de Quelques Méthodes de Segmentation -Application aux Caractères Tifinagh- Abdelkrim MAARIR 1, Ilhame AGNAOU, Belaid BOUIKHALENE Laboratoire Traitement de l Information et Aide à la Décision

Plus en détail

Évaluation des dégâts après un feu de forêt

Évaluation des dégâts après un feu de forêt 1 Évaluation des dégâts après un feu de forêt Olivier ZAMMIT Xavier Descombes, Josiane Zerubia 2 Sommaire 1 Introduction 2 Séparateurs à Vaste Marge 3 Expérimentations 4 Conclusions 3 Introduction Feux

Plus en détail

MONTEVERDI : open source au service de l imagerie satellite

MONTEVERDI : open source au service de l imagerie satellite MONTEVERDI : open source au service de l imagerie satellite Pr. O. EL KHARKI 1 & J. MECHBOUH 2 Spécialité : Informatique appliquée à la Télédétection et SIG (IATSIG) Site web : https://sites.google.com/a/uiz.ac.ma/iatsig/

Plus en détail

Segmentation d'images et détection de contours

Segmentation d'images et détection de contours Segmentation d'images et détection de contours (Transparents grace à Yves Goussard) Lecture: Jennifer Campbell ELE8812 29-31 mars 2016 Lecture: Jennifer Campbell (ELE8812) Segmentation d'images 29-31 mars

Plus en détail

Quantification par. analyse d images. Yves Usson La Tronche cedex. Institut Albert Bonniot. Domaine de la Merci.

Quantification par. analyse d images. Yves Usson La Tronche cedex. Institut Albert Bonniot. Domaine de la Merci. Quantification par analyse d images Yves Usson Institut Albert Bonniot Domaine de la Merci 38706 La Tronche cedex Yves.Usson@ujf-grenoble.fr Etapes de la cytométrie par analyse d image Préparation cytologique

Plus en détail

Détection de changements structuraux

Détection de changements structuraux Détection de changements structuraux ISSN avant et après une catastrophe École de technologie supérieure, Montréal, Québec, Canada Plan Introduction Détection de changements Différence Ratio de pixels

Plus en détail

M1 info. et ESI Contrôle continu - Traitement d images

M1 info. et ESI Contrôle continu - Traitement d images N anonymat : M1 info. et ESI Contrôle continu - Traitement d images Responsables : C. Roudet B. Touil Durée : 1h. Aucun document autorisé. 1) Exercice d optique Un appareil photo possède un objectif que

Plus en détail

Examen Vision industrielle 3 Décembre 2003 Département GI, INSA de Lyon

Examen Vision industrielle 3 Décembre 2003 Département GI, INSA de Lyon Examen Vision industrielle 3 Décembre 2003 Département GI, INSA de Lyon Nom et prénom : Groupe A 1. La figure montre une image, la figure montre la même image après une rotation de 90 o. Les figures (c)

Plus en détail

Vectorisation automatique des forêts dans les minutes d Etat Major du XIXème siècle

Vectorisation automatique des forêts dans les minutes d Etat Major du XIXème siècle Vectorisation automatique des forêts dans les minutes d Etat Major du XIXème siècle P.-A. Herrault 1,2, D. Sheeren 1, M. Fauvel 1, M. Paegelow 2 1 DYNAFOR Lab. UMR 1201 INP-ENSAT / INRA University of Toulouse

Plus en détail

Évaluation des dégâts de tempête par télédétection satellitaire

Évaluation des dégâts de tempête par télédétection satellitaire Séminaire GIP ECOFOR - «Forêt vent et risques» 16-17 mars 2005 - Paris Évaluation des dégâts N. STACH Inventaire forestier National - Unité Études et Prospectives nstach@lyon.ifn.fr 1/20 Contenu de la

Plus en détail

Projet Image: Méthodes de segmentation. Table des matières. Image Master 2 Automatique. ECHEGUT Romain Introduction 2

Projet Image: Méthodes de segmentation. Table des matières. Image Master 2 Automatique. ECHEGUT Romain Introduction 2 ECHEGUT Romain 2010 Image Master 2 Automatique Projet Image: Méthodes de segmentation Table des matières 1 Introduction 2 2 Segmentation par seuillage 2 3 Accroissement de région 4 4 Split and merge 6

Plus en détail

- fusion de données -

- fusion de données - - fusion de données - Fabrice Janez O.N.E.R.A UR «Image, Observation, Renseignement» Meilleure observabilité Introduction Intérêt de la fusion Accès à une information globale plus fiable et plus complète

Plus en détail

Détection d'objets déplaçables en imagerie SAR et optronique haute résolution

Détection d'objets déplaçables en imagerie SAR et optronique haute résolution Détection d'objets déplaçables en imagerie SAR et optronique haute résolution GDR ISIS, 7 mai 2010 S. Herbin, F. Janez, J. Israel ONERA/DTIM/IMS onctions visées Reconnaissance de formes (optique et SAR)

Plus en détail

Traitement de l image et du signal Partie TI

Traitement de l image et du signal Partie TI Traitement de l image et du signal Partie TI Emanuel Aldea http://hebergement.u-psud.fr/emi/453 Master Electronique, énergie électrique, automatique 1ère année Plan du cours Définition

Plus en détail

TP de SI241 : segmentation des images

TP de SI241 : segmentation des images TP de SI241 : segmentation des images Le compte-rendu est à rendre pour le 5 novembre. Pour réaliser le TP depuis votre compte personnel lancez les commandes suivantes : source /tsi/tp/bin/tp-seg L ensemble

Plus en détail

12/2/2011. Traitement numérique de l image Les Notions de base D. TRINEL. Applications

12/2/2011. Traitement numérique de l image Les Notions de base D. TRINEL. Applications Applications Communications (Diffusion de la TV, Vidéoconférence, télécopie, éducation à distance, surveillance, le web ) Traitement Les Notions de base D. TRINEL Le traitement d'images désigne une discipline

Plus en détail

Journée IDEA 17 octobre 2016 Fusion de données multi-capteurs pour la caractérisation des milieux naturels méditerranéens

Journée IDEA 17 octobre 2016 Fusion de données multi-capteurs pour la caractérisation des milieux naturels méditerranéens Journée IDEA 17 octobre 2016 Fusion de données multi-capteurs pour la caractérisation des milieux naturels méditerranéens M. Lang, J.-B. Féret, S. Alleaume IRSTEA - UMR Tetis Territoire, Environnement,

Plus en détail

Vision industrielle Les outils de traitement

Vision industrielle Les outils de traitement Vision industrielle Les de traitement Plan du cours Outils de prétraitement Les opérations ponctuelles Les opérations de voisinage Outils de détection Outils de détection Outils de reconnaissance La recherche

Plus en détail

Segmentation d'image : Contours

Segmentation d'image : Contours Segmentation d'image : Contours Philippe Montesinos EMA/LGI2P Parc Scientifique G.Besse 30000 Nîmes montesin@site-eerie.ema.fr http://www.lgi2p.ema.fr/~montesin 1 Détection de contours (plan) Signal, échantillonnage,

Plus en détail

Morphologie mathématique

Morphologie mathématique Morphologie mathématique Introduction à l analyse d images Luc Brun (d après le cours de M. Coster) Morphologie mathématique p.1/21 Qu est ce qu une image source capteur Disque surface Une image correspond

Plus en détail

TP2 : Filtrage non linéaire

TP2 : Filtrage non linéaire Filières MMIS A : TP de traitement d images 05-06 TP : Filtrage non linéaire Pour palier le problème soulevé par les filtres linéaires (filtrage identique sur le bruit et sur les contours), on utilise

Plus en détail

TI Traitement d'images Semaine 9 : Détection de contours (1) Olivier Losson

TI Traitement d'images Semaine 9 : Détection de contours (1) Olivier Losson TI Traitement d'images Semaine 9 : Détection de contours (1) Olivier Losson Master Informatique : http://www.fil.univ-lille1.fr Spécialité IVI : http://master-ivi.univ-lille1.fr Master Informatique Option

Plus en détail

Segmentation : détection de contours. Segmentation : détection de contours et de régions. Contours : approche gradient. Contours. Largeur du contour

Segmentation : détection de contours. Segmentation : détection de contours et de régions. Contours : approche gradient. Contours. Largeur du contour Segmentation : détection de contours et de régions Segmentation : détection de contours Plusieurs zones de niveaux de gris différents correspondants aux différents objets de la scène. Il faut trouver une

Plus en détail

Le spatial pour le littoral

Le spatial pour le littoral Le spatial pour le littoral Différents capteurs pour différentes applications Deux types de technologies d'altimétrie satellitaire Source : http://smsc.cnes.fr/swot/fr/ Radar altimétrique : Jason 2 & 3,

Plus en détail

Historique de l évolution du bâti

Historique de l évolution du bâti Historique de l évolution du bâti Volet traitement des photos aériennes Objectifs de l étude Choix de la nomenclature Calage des photos aériennes Extraction automatique Photointerprétation Un exemple concret

Plus en détail

UE3 Analyse des Images Contours

UE3 Analyse des Images Contours Plan du cours UE Analyse des Images Contours Introduction : principes fondamentaux. Notion de contour. Caractérisation des points contours. Notion de gradient. Filtres linéaires la détection des points

Plus en détail

Traitement et analyse d images 2D et 3D

Traitement et analyse d images 2D et 3D DEA de Biologie Structurale et Fonctionnelle - DEA de Biologie Cellulaire et Moléculaire Module de Microscopie Structurale Cours n 6 Traitement et analyse d images 2D et 3D Yves Usson Institut Albert Bonniot

Plus en détail

Question 2 : Marquez d un X dans le tableau suivant la (les) bande(s) spectrale(s) où les capteurs indiqués peuvent opérer

Question 2 : Marquez d un X dans le tableau suivant la (les) bande(s) spectrale(s) où les capteurs indiqués peuvent opérer Question : Qu est-ce qu une fenêtre atmosphérique? Question 2 : Marquez d un X dans le tableau suivant la (les) bande(s) spectrale(s) où les capteurs indiqués peuvent opérer Bande spectrale Radars Visible

Plus en détail

a) spot b) ligne c) arête d) ligne + arête

a) spot b) ligne c) arête d) ligne + arête Filtrage Le terme filtrage englobe une multitude d algorithmes qui visent l un ou l autre des objectifs suivants : a) La localisation des pixels où un changement plus ou moins abrupt des valeurs numériques

Plus en détail

L imagerie spatiale à très haute résolution pour le suivi de la pression anthropique

L imagerie spatiale à très haute résolution pour le suivi de la pression anthropique LES APPLICATIONS SATELLITAIRES AU SERVICE DE LA MER ET DU LITTORAL Projet DORIS_Net L imagerie spatiale à très haute résolution pour le suivi de la pression anthropique Delphine Fontannaz CNES Centre Condorcet

Plus en détail

Sommaire Le SCAN 25 Historique La méthode de (télé)détection utilisée L'opération Les données Outils utilisés Perspectives

Sommaire Le SCAN 25 Historique La méthode de (télé)détection utilisée L'opération Les données Outils utilisés Perspectives Sommaire Le SCAN 25 Historique La méthode de (télé)détection utilisée L'opération Les données Outils utilisés Perspectives 2/30 Le SCAN 25 historique 3/30 Le SCAN 25 «historique» Il était produit à partir

Plus en détail

les MNT et les MNE issus d images optiques à l IGN Sylvain AIRAULT IGN/DT/SR/MATIS

les MNT et les MNE issus d images optiques à l IGN Sylvain AIRAULT IGN/DT/SR/MATIS les MNT et les MNE issus d images optiques à l IGN Sylvain AIRAULT IGN/DT/SR/MATIS Introduction : limites de l exposé État de l art limité à l expérience IGN : mais l imagerie Radar est exclue (cf. présentation

Plus en détail

L Agence d Urbanisme et d Aménagement du Territoire Toulouse Aire urbaine (AUAT)

L Agence d Urbanisme et d Aménagement du Territoire Toulouse Aire urbaine (AUAT) L Agence d Urbanisme et d Aménagement du Territoire Toulouse Aire urbaine (AUAT) Un outil technique pour accompagner le développement de l'aire urbaine de Toulouse De statut associatif, l'auat est un outil

Plus en détail

SIFT (Scale Invariant Feature Transform) - Un outil pour la mise en correspondance d images. Arnaud LE BRIS

SIFT (Scale Invariant Feature Transform) - Un outil pour la mise en correspondance d images. Arnaud LE BRIS SIFT (Scale Invariant Feature Transform) - Un outil pour la mise en correspondance d images Arnaud LE BRIS Journées de la Recherche 2008 11 mars 2008 SIFT? Scale Invariant Feature Transform Méthode d'extraction

Plus en détail

Détection d objets cartographiques dans les images satellites Très Haute Résolution

Détection d objets cartographiques dans les images satellites Très Haute Résolution 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),

Plus en détail

Introduction à la classification des données de télédétection

Introduction à la classification des données de télédétection Introduction à la classification des données de télédétection UMR TETIS Cemagref-CIRAD-ENGREF 5 mars 2007 Plan Principes généraux Classifications, évaluation, post-classification Classification : Extraction

Plus en détail

Détection de contours. Détection de contours. IV-Extraction de caractéristiques. Régions homogènes BF de l image Filtre passe-bas Somme de pixels

Détection de contours. Détection de contours. IV-Extraction de caractéristiques. Régions homogènes BF de l image Filtre passe-bas Somme de pixels Cours n 4/6 - C. Petitjean Traitement d images Plan du cours : Introduction Catégorisation de l image Acquisition et Visualisation Opérations basées sur l histogramme Extraction de caractéristiques Morphologie

Plus en détail

Vision Par Ordinateur. Suivie par filtre de Kalman

Vision Par Ordinateur. Suivie par filtre de Kalman Vision Par Ordinateur James L. Crowley DEA IVR Premier Bimestre 1999/00 Séance 11: 26 novembre 1999 Plan de la Séance: Suivie par filtre de Kalman Approximation polygonale d'une chaîne...2 Algorithme de

Plus en détail

TRAVAUX DIRIGES PARTIE 1 TRAITEMENT D IMAGES ET VISION

TRAVAUX DIRIGES PARTIE 1 TRAITEMENT D IMAGES ET VISION TRAVAUX DIRIGES PARTIE 1 TRAITEMENT D IMAGES ET VISION Cycle ingénieur ING 2 Spécialité Informatique Alice POREBSKI alice.porebski@eilco-ulco.fr Exercice 1 : Soit l image couleur I suivante : -> et la

Plus en détail

Bases du traitement des images. Opérations de base et améliorations

Bases du traitement des images. Opérations de base et améliorations Opérations de base et améliorations Séverine Dubuisson 6 octobre 2010 1 / 66 Plan du cours 1 Types d opérations sur une image 2 Transformations géométriques 3 Opérations entre images 4 Améliorations 2

Plus en détail

CARTOGRAPHIE RAPIDE DES TERRITOIRES - APPORTS DE L'IMAGERIE SATELLITAIRE

CARTOGRAPHIE RAPIDE DES TERRITOIRES - APPORTS DE L'IMAGERIE SATELLITAIRE CARTOGRAPHIE RAPIDE DES TERRITOIRES - APPORTS DE L'IMAGERIE SATELLITAIRE DAVID MORIN Pôle Applications Satellitaires et Télécommunications CETE SO/DALETT/SCGSI - M2 A3TA Les applications satellitaires

Plus en détail

Les modèles statistiques de forme

Les modèles statistiques de forme Buts Les modèles statistiques de forme Vincent Luboz vincent.luboz@imag.fr Equipe GMCAO (http://www-timc.imag.fr/gmcao) Connaitre les différents modèles statistiques de forme. Comprendre la façon de les

Plus en détail

Implémentation d un système de reconnaissance automatique de la parole visuelle par les SVMs

Implémentation d un système de reconnaissance automatique de la parole visuelle par les SVMs 1 Implémentation d un système de reconnaissance automatique de la parole visuelle par les SVMs Nadia BAKIR 1, Mohammed DEBYECHE 2 et Abderrahmene AMROUCHE 2 Résumé Dans cet article, nous avons élaboré

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 Télédétection/Sciences de l image 2 Nombre des crédits:...6... Code UE : GEOIDE2F3 Université :

Plus en détail

Vision numérique et interaction. Sylvia Chalençon Licence Pro OCI - Licence MIME

Vision numérique et interaction. Sylvia Chalençon Licence Pro OCI - Licence MIME Vision numérique et interaction Sylvia Chalençon Licence Pro OCI - Licence MIME Chapitre 1 - L image numérique 2 La chaine de traitement Acquisition : convertir l image d une vue réelle en une image numérique

Plus en détail

Problèmes inverses en observation de la Terre et cartographie. ARIANA Josiane Zerubia

Problèmes inverses en observation de la Terre et cartographie. ARIANA Josiane Zerubia Problèmes inverses en observation de la Terre et cartographie ARIANA Josiane Zerubia 2 Projet de recherche commun CNRS/INRIA/UNSA créé en 1998 Responsable scientifique : Josiane Zerubia Membres : 3 INRIA,

Plus en détail

Détection et segmentation d objets

Détection et segmentation d objets Détection et segmentation d objets Aurélie Bugeau Enseirb-Matmeca, IPB Aurélie Bugeau (Enseirb-Matmeca, IPB) Détection, reconnaissance et segmentation d objets 1 / 39 Introduction Segmentation Partitionnement

Plus en détail

Extraction des éléments bâtis sur une image SPOT 5 Panchromatique : le cas de 4 communes de la Martinique

Extraction des éléments bâtis sur une image SPOT 5 Panchromatique : le cas de 4 communes de la Martinique Extraction des éléments bâtis sur une image SPOT 5 Panchromatique : le cas de 4 communes de la Martinique Territoires Caraïbe Auteur : Antoine Cheula Climat Milieu marin Partenaire : UMR ESPACE-DEV, IRD

Plus en détail

Classification supervisée

Classification supervisée Classification supervisée Les classifications d'images pixel à pixel Les méthodes de classification d images les plus courantes utilisent l'information radiométrique d'une ou plusieurs bandes spectrales

Plus en détail

Inventaire satellitaire des ressources forestières en région Sud-méditerranéenne Etude de trois exemples de forêts algériennes

Inventaire satellitaire des ressources forestières en région Sud-méditerranéenne Etude de trois exemples de forêts algériennes Inventaire satellitaire des ressources forestières en région Sud-méditerranéenne Etude de trois exemples de forêts algériennes BENCHERIF kada BP 119, Département des sciences de l agronomie et des forêts,

Plus en détail

UE3 Analyse des Images Transformations ponctuelles. LPro GPI Vision Industrielle UE3 : Analyse des Images O. Losson & F.

UE3 Analyse des Images Transformations ponctuelles. LPro GPI Vision Industrielle UE3 : Analyse des Images O. Losson & F. UE3 Analyse des Images ponctuelles Plan du cours Définition et interprétation s normalisé et cumulé 2 Principe des transformations d'images Types de transformations d'images ponctuelles : table de correspondance

Plus en détail

Cartographie Thématique M2-SIA

Cartographie Thématique M2-SIA Cartographie Thématique M2-SIA Jordi Inglada Février 2015 Jordi Inglada Cartographie Thématique M2-SIA Février 2015 1 / 55 Classification pixel Rappel rapide sur la classification Sommaire 1 Classification

Plus en détail

CONTRÔLE OPTIQUE DES PROCESSUS DE FRANGMENTATION DANS L INDUSTRIE MINERALE

CONTRÔLE OPTIQUE DES PROCESSUS DE FRANGMENTATION DANS L INDUSTRIE MINERALE CONTRÔLE OPTIQUE DES PROCESSUS DE FRANGMENTATION DANS L INDUSTRIE MINERALE Souhaïl OUTAL Souhail.Outal@ulg.ac.be Géoressources & Imagerie Minérale Université de Liège C F M R 13 Mars 2008 Plan de l exposé

Plus en détail

Coffret Photoshop CS4 de A à Z

Coffret Photoshop CS4 de A à Z La formation vidéo efficace Coffret Photoshop CS4 de A à Z Tout sur la retouche d images! Table des matières Adobe Photoshop CS4 : les fondamentaux Connaissances de base Quelques exemples de création Création

Plus en détail

inaire utilisateurs ORFEO Synthèse des besoins utilisateurs

inaire utilisateurs ORFEO Synthèse des besoins utilisateurs 1 Synthèse des besoins utilisateurs Classification des utilisations Deux grands types d utilisations Constitution de bases de données, renseignement (suivi),... pas de contrainte de type temps réel (modes

Plus en détail

Cours 7! Extraction et caractérisation de primitives!

Cours 7! Extraction et caractérisation de primitives! Bases du traitement des images BIMA Cours 7! Extraction et caractérisation de primitives! Prof. Matthieu Cord! 1 Plan des cours 1. Introduction 2. Détection de primitives 1. Détection de PoI 2. Détection

Plus en détail

Polytechnique de Montréal Département de génie biomédical

Polytechnique de Montréal Département de génie biomédical École Polytechnique de Montréal Département de génie biomédical GBM3720 : Traitement Numérique d Images Médicales Corrigé du Contrôle périodique - Automne 2011 Exercice 1 : Filtrage du signal 1D (4 points)

Plus en détail

SEGMENTATION DES ZONES DE REMODELAGE DANS LES IMAGES MICRO-CT DE L OS

SEGMENTATION DES ZONES DE REMODELAGE DANS LES IMAGES MICRO-CT DE L OS SEGMENTATION DES ZONES DE REMODELAGE DANS LES IMAGES MICRO-CT DE L OS Z. Peter, F. Peyrin CREATIS, UMR CNRS 5220, INSERM U630, Lyon, France ESRF, Grenoble, France INTRODUCTION La fragilité osseuse dépende

Plus en détail

Bases du traitement des images. Introduction et fondements

Bases du traitement des images. Introduction et fondements Introduction et fondements Séverine Dubuisson 15 septembre 2009 1 / 55 Plan du cours 1 BIMA cette année 2 Bref historique 3 Champs d utilisation du TdI 4 Deux exemples de chaîne de traitement 5 Étapes

Plus en détail

Détection et identification de zones de végétation arborée et viticole - utilisation d images satellite RapidEye et de données BDOrtho

Détection et identification de zones de végétation arborée et viticole - utilisation d images satellite RapidEye et de données BDOrtho Détection et identification de zones de végétation arborée et viticole - utilisation d images satellite RapidEye et de données BDOrtho Arnaud LE BRIS, François TASSIN IGN/MATIS Journées de la Recherche

Plus en détail

Filtrage Traitement d'images

Filtrage Traitement d'images Filtrage Traitement d'images Lionel Lacassagne Institut d Electronique Fondamentale lionel.lacassagne@u-psud.fr Bruit: origine Origines qualité de l'optique bruit du capteur: bruit électronique liée à

Plus en détail

Reconnaissance de Formes. approches région et contour

Reconnaissance de Formes. approches région et contour Reconnaissance de Formes approches région et contour 1 Objectif Définitions Détection et identification de formes et/ou Classification de formes Formes? Images (motifs ou géométries) Signaux (sons, parole,

Plus en détail

Modalités en Imagerie Médicale: leur relation avec le traitement d image

Modalités en Imagerie Médicale: leur relation avec le traitement d image Modalités en Imagerie Médicale: leur relation avec le traitement d image J-F. Lerallut, UTC J. Azpiroz, UAM-I V. Medina, UAM-I INTRODUCTION Les images médicales sont obtenues grâce à l interaction physique

Plus en détail

Introduction. Vision par ordinateur. Histogrammes. Histogrammes : égalisation

Introduction. Vision par ordinateur. Histogrammes. Histogrammes : égalisation Vision par ordinateur Vision pré-attentive: Détection de contours Détection de points d'intérêt Frédéric Devernay Introduction Amélioration d images : histogrammes, lissage, filtrage médian Contours d'une

Plus en détail

Télédétection optique aérienne

Télédétection optique aérienne Télédétection optique aérienne Institut Géographique National / Laboratoire MATIS Didier BOLDO 28 mars 2008 1/32 Présentation générale Aperçu des capteurs Usages Techniques de reconstruction du milieu

Plus en détail

La reconnaissance de l iris Définitions

La reconnaissance de l iris Définitions Définitions L'iris est une partie du globe oculaire. L'iris est reconnaissable par sa forme circulaire. C'est lui qui détermine ce qu'on appelle communément la couleur des yeux. Il est entouré par le blanc

Plus en détail

LES APPLICATIONS SPATIALES AU SERVICE DES COLLECTIVITES

LES APPLICATIONS SPATIALES AU SERVICE DES COLLECTIVITES LES APPLICATIONS SPATIALES AU SERVICE DES COLLECTIVITES AMENAGEMENT DES TERRITOIRES ET ENVIRONNEMENT Jacques BOUFFIER Pôle «Applications satellitaires et télécommunication» CETE SO/DALETT/SCGSI AMENAGEMENT

Plus en détail

Conception et réalisation d un dispositif d imagerie multispectrale embarqué : du capteur aux traitements pour la détection d adventices

Conception et réalisation d un dispositif d imagerie multispectrale embarqué : du capteur aux traitements pour la détection d adventices Conception et réalisation d un dispositif d imagerie multispectrale embarqué : du capteur aux traitements pour la détection d adventices Jean-Baptiste VIOIX 8 juillet 2004 Encadrement et financement Directeur

Plus en détail

Projet STEREO SR/00/02 Eléonore Wolff, Evelyne Frauman, IGEAT/ULB

Projet STEREO SR/00/02 Eléonore Wolff, Evelyne Frauman, IGEAT/ULB Détection des changements en milieu urbain à partir d'images satellitaires à très haute résolution spatiale Projet STEREO SR/00/02 Eléonore Wolff, Evelyne Frauman, IGEAT/ULB Equipes de recherche Centrum

Plus en détail

Quelques idées sur le bas niveau en vision par ordinateur. Marie-Odile Berger INRIA Nancy Grand Est Equipe Magrit

Quelques idées sur le bas niveau en vision par ordinateur. Marie-Odile Berger INRIA Nancy Grand Est Equipe Magrit Quelques idées sur le bas niveau en vision par ordinateur Marie-Odile Berger INRIA Nancy Grand Est Equipe Magrit Le bas niveau dans un système de vision image1 image2 Image n Extraction d indices de bas

Plus en détail

Projet IA54-IN54: Mise en correspondance d images stéréoscopiques par une approche multi-agents

Projet IA54-IN54: Mise en correspondance d images stéréoscopiques par une approche multi-agents Projet IA54-IN54: Mise en correspondance d images stéréoscopiques par une approche multi-agents Béatrice Frey 1 Audrey Cholewka 2 Cyril Crassin 1 Université de Technologie de Belfort-Montbéliard. 1 UVs

Plus en détail

M3.21 Les images informatiques et leurs traitements TP 1

M3.21 Les images informatiques et leurs traitements TP 1 M3.2 Les images informatiques et leurs traitements TP IUT d Arles DUT SRC 200-20 Objectifs : Apprendre à utiliser les premiers filtres de traitements des images informatiques à l aide de Photoshop. Comprendre

Plus en détail

Applications médicales et industrielles de la Morphologie Mathématique

Applications médicales et industrielles de la Morphologie Mathématique Applications médicales et industrielles de la Morphologie Mathématique Serge Beucher Centre de Morphologie Mathématique Ecole des Mines de Paris 1 L efficacité des outils morphologiques en analyse d image

Plus en détail

Identification audio pour la reconnaissance de la parole

Identification audio pour la reconnaissance de la parole Identification audio pour la reconnaissance de la parole Matthieu Camus Encadrants au DIADEX LIPADE Marie-José Caraty Claude Montacié Encadrants à Orange Labs Patrice Collen Jean-Bernard Rault Introduction

Plus en détail

PRISES DE VUES AÉRIENNES DE NUIT

PRISES DE VUES AÉRIENNES DE NUIT PRISES DE VUES AÉRIENNES DE NUIT Sylvain AIRAULT IGN / Service des Activités Aériennes Forum SITG Thématique Energie 21 novembre 2013 ign.fr ANNEMASSE LE 14 AVRIL 2013 INTRODUCTION / CONTEXTE Cinq expériences

Plus en détail

Modèle Actif d'apparence (AAM). Sylvain LE GALLOU.

Modèle Actif d'apparence (AAM). Sylvain LE GALLOU. Modèle Actif d'apparence (AAM). Sylvain LE GALLOU. Modèle Actif d'apparence (AAM) But : Présentation d'une méthode de modèle déformable (Forme capable de se mouvoir afin de se «calquer» à un ensemble de

Plus en détail

Le traitement et l'analyse d'images

Le traitement et l'analyse d'images Le traitement et l'analyse d'images Introduction pour la Biologie Computationnelle Ouvrages de références : Analyse d'images : Filtrage et Segmentation, Cocquerez and al., Ed. Dunod, 1995 (ouvrage de base

Plus en détail

Détection et reconnaissance de signaux routiers dans un flux vidéo

Détection et reconnaissance de signaux routiers dans un flux vidéo Détection et reconnaissance de signaux routiers dans un flux vidéo Michaël Freylinger Jean-François Verdin Département d Électricité, Électronique et Informatique Université de Liège 27 juin 2006 Objectif

Plus en détail

Cours 7! Extraction et caractérisation de primitives!

Cours 7! Extraction et caractérisation de primitives! Bases du traitement des images BIMA Cours 7! Extraction et caractérisation de primitives! Prof. Matthieu Cord! 1 Plan des cours 7 et 8 1." Introduction 2." Détection de primitives 1." Détection de PoI

Plus en détail

Algorithmes pour le traitement de l image

Algorithmes pour le traitement de l image Algorithmes pour le traitement de l image Mathias Ortner 7 mai 2004 Table des matières 2 1 Bruit et Filtrage 4 Le bruit................................... 5 Le filtrage..................................

Plus en détail

Formation QGIS-IDRISI

Formation QGIS-IDRISI Centre de formation SIG - Télédétection - Environnement 1, rue des Saules 35510 Cesson-sévigné,France Tél. 02 30 88 12 99 sigotm@sigotm.com www.sigotm.com Lieu : Rennes, France Durée : 16j, soit 112 heures

Plus en détail

Formation QGIS-ENVI. Tarif étudiant, dem. d emploi, particulier ect : 1680 euros net de taxe

Formation QGIS-ENVI. Tarif étudiant, dem. d emploi, particulier ect : 1680 euros net de taxe Bureau d étude et centre de formation SIG - Télédétection - Environnement 1, rue des Saules 35510 Cesson-Sévigné, France Tél. 02 30 88 12 99 sigotm@sigotm.com www.sigotm.com Formation QGIS-ENVI Lieu :

Plus en détail

Traitement des images numériques TP 4 : Filtrage, rehaussement de contours et segmentation

Traitement des images numériques TP 4 : Filtrage, rehaussement de contours et segmentation Traitement des images numériques TP 4 : Filtrage, rehaussement de contours et segmentation Université Paris 13, Institut Galilée Master Ingénierie et Innovations en Images et Réseaux - 1ère année 2015-2016

Plus en détail

Photoshop CS6 pour PC/Mac

Photoshop CS6 pour PC/Mac ENVIRONNEMENT DE TRAVAIL. L espace de travail 1 A- Description de l écran de travail 1 B- Utiliser le panneau Outils 2 C- Utiliser les panneaux et les docks 3 D- Gérer l affichage des fenêtres de document

Plus en détail

TRAITEMENTS DES IMAGES NUMERIQUES EN RADIOLOGIE CONVENTIONNELLE

TRAITEMENTS DES IMAGES NUMERIQUES EN RADIOLOGIE CONVENTIONNELLE TRAITEMENTS DES IMAGES NUMERIQUES EN RADIOLOGIE CONVENTIONNELLE Alexandre MICHAUD 24 11 2015 Intérêt: optimiser le potentiel de l image numérique pour le diagnostique L image numérique n est pas figée

Plus en détail

Post-traitement en Tomodensitométrie (TDM)

Post-traitement en Tomodensitométrie (TDM) Post-traitement en Tomodensitométrie (TDM) S Willoteaux Service de Radiologie CHU d Angers Tomodensitométrie RX Imagerie volumique Dt Dt TDM du thorax avec injection de produit de contraste iodé Imagerie

Plus en détail

TRAITEMENT des IMAGES. VISION par MACHINE

TRAITEMENT des IMAGES. VISION par MACHINE TRAITEMENT des IMAGES et VISION par MACHINE MASTER PRO INFO 2011/2012 Vézien.@limsi.fr Vision par Machine 1 IIII. AMELIORATION D IMAGES Vision par Machine 2 IIII. AMELIORATION D IMAGES Pourquoi? mauvais

Plus en détail

Epaisseur et localisation des contours des detecteurs par derivation (Sobel, Prewitt, Roberts) ou par gradient morphologique.

Epaisseur et localisation des contours des detecteurs par derivation (Sobel, Prewitt, Roberts) ou par gradient morphologique. Epaisseur et localisation des contours des detecteurs par derivation (Sobel, Prewitt, Roberts) ou par gradient morphologique. Edouard Ritz, Tomasz Marszal 1. Introduction 2. Presentation des differents

Plus en détail

Extraction du texte enfoui dans les images de scènes naturelles. Projet ANR itowns CMM LIP6 J.Fabrizio, B. Marcotegui, M. Cord

Extraction du texte enfoui dans les images de scènes naturelles. Projet ANR itowns CMM LIP6 J.Fabrizio, B. Marcotegui, M. Cord Extraction du texte enfoui dans les images de scènes naturelles Projet ANR itowns CMM LIP6 J.Fabrizio, B. Marcotegui, M. Cord Precioso R. Minetto, J. Guyomard, F. 1 I - CONTEXTE a Texte enfoui 2 I - CONTEXTE

Plus en détail

Amélioration de l extraction de routes par un algorithme contextuel

Amélioration de l extraction de routes par un algorithme contextuel C H A P I T R E 5 Amélioration de l extraction de routes par un algorithme contextuel Sommaire 5.1 Introduction............................... 134 5.1.1 Introduction et état de l art.......................

Plus en détail