Classication d'images

Dimension: px

Commencer à balayer dès la page:

Download "Classication d'images"

Juliette Cormier
il y a 8 ans
Total affichages :

1 Classication d'images Cas de la télédétection - Classication multirésolution Pierre Gançarski ICube CNRS - Université de Strasbourg 2013 Pierre Gançarski Analyse urbaine et télédétection 1/28

2 1 Contexte 2 Analyse d'images de télédétection 3 Avancées récentes 4 Intégration de connaissances 5 Approche multitemporelle 6 Perspectives Pierre Gançarski Analyse urbaine et télédétection 2/28

5 Approche multitemporelle 6 Perspectives Pierre

3 1 Contexte 2 Analyse d'images de télédétection 3 Avancées récentes 4 Intégration de connaissances 5 Approche multitemporelle 6 Perspectives Pierre Gançarski Analyse urbaine et télédétection 3/28

4 1 Contexte 2 Analyse d'images de télédétection 3 Avancées récentes 4 Intégration de connaissances 5 Approche multitemporelle 6 Perspectives Pierre Gançarski Analyse urbaine et télédétection 4/28

5 1 Contexte 2 Analyse d'images de télédétection 3 Avancées récentes 4 Intégration de connaissances 5 Approche multitemporelle 6 Perspectives Pierre Gançarski Analyse urbaine et télédétection 5/28

6 1 Contexte 2 Analyse d'images de télédétection 3 Avancées récentes Multistratégie Multirésolution 4 Intégration de connaissances 5 Approche multitemporelle 6 Perspectives Pierre Gançarski Analyse urbaine et télédétection 6/28

Intégration de connaissances 5 Approche multitemporelle

7 1 Contexte 2 Analyse d'images de télédétection 3 Avancées récentes Multistratégie Multirésolution 4 Intégration de connaissances 5 Approche multitemporelle 6 Perspectives Pierre Gançarski Analyse urbaine et télédétection 7/28

8 Approche multiresolution Approches classiques Regrouper des objets à un niveau d'analyse pour former les objets au(x) niveau(x) supérieur(s) = Comment choisir les objets à regrouper : risque d'explosion combinatoire Approche descendante Simuler le processus d'interprétation visuel Guidée par des connaissances du domaine : utilisation de critères thématiques structurants (élongation,...) dans la création des régions Guidée par l'expert : reproduction du geste de segmentation Pierre Gançarski Analyse urbaine et télédétection 8/28

d'interprétation visuel Guidée par des connaissances du domaine : utilisation de critères thématiques structurants (élongation,.

9 Classication multi-résolution Principe 1 Segmentation de l'image (à la résolution r ) guidée par l'expert : pour chaque cluster de régions Demander à l'expert de guider la segmentation d'une (ou plusieurs) régions correspondant à un type donné Recopier son geste sur l'ensemble des objets de même type. 2 Clustering multirésolution des segments en c clusters (en utilisant la résolution r + 1) 3 Projection des régions (regroupées en c clusters) dans la résolution r + 1 (servira d'entrée de la étape r + 1) 4 Retour en 1 Pierre Gançarski Analyse urbaine et télédétection 9/28

10 Classication multi-résolution : schéma général Input Process Segmentation result Output 1 Example-based segmentation Step 1 ImageI 1 Resolution R1 3 Clustering result 2 Multiresolution clustering I S,1 Segmentation S 1 1 Example-based segmentation Segmentation result I S,2 Step 2 ImageI 2 Resolution R2 Example-based segmentation Example-based segmentation Segmentation S 2 Clustering result 2 3 Multiresolution clustering 1 Example-based segmentation Segmentation result Step n Example-based segmentation ImageI n Resolution Rn Example-based segmentation I S,n Segmentation S n Pierre Gançarski Analyse urbaine et télédétection 10/28

Example-based segmentation Example-based segmentation Segmentation S 2 Clustering result 2 3 Multiresolution clustering 1 Example-based segmentation

11 Classication multi-résolution : segmentation Segmentation non supervisée Segmenter globalement une image est dicile : suivant les types d'objets, leur représentation dans l'image peut être diérente Par exemple, la taille des segments, seuil sur les réponses radiométriques, etc. Paramétrer un algorithme global est quasi-impossible Proposition : Segmentation guidée Pour chaque type d'objets, demander à l'expert de guider la segmentation d'une (ou plusieurs) régions correspondant à un type donné Recopier son geste sur l'ensemble des objets de même type. Pierre Gançarski Analyse urbaine et télédétection 11/28

Paramétrer un algorithme global est quasi-impossible Proposition : Segmentation guidée Pour chaque type d'objets, demander à l'expert de guider la

12 Classication multi-résolution : segmentation guidée Idée Utilisation des clusters précédement calculé Utilisation d'un algorithme de segmentation facile à guider : Arbre binaire de partition Segmentation guidée (étape r ) Pour chaque cluster c i déni à l'étape r 1 1 Demander à l'expert de segmenter un des segments projetés depuis la résolution r 1 en jouant sur l'arbre de partition 2 Recopier son geste sur l'ensemble des segments projetés du cluster c i Pierre Gançarski Analyse urbaine et télédétection 12/28

déni à l'étape r 1 1 Demander à l'expert de segmenter un des segments projetés depuis la résolution r 1 en jouant sur l'arbre de

13 Classication multi-résolution : segmentation guidée Input 1 BPT computation BPT computation BPT computation Segmentations hierarchy Binary Partition tree Segmentations hierarchy Binary Partition tree Segmentations hierarchy Binary Partition tree Process Interactive Tree-cut Binary Partition tree Binary Partition tree Binary Partition tree Tree-cut learning Automatic Tree-cut Automatic Tree-cut Reproduction du geste Output Segmentation Segmentation Segmentation Pierre Gançarski Analyse urbaine et télédétection 13/28

Interactive Tree-cut Binary Partition tree Binary Partition tree Binary Partition tree 2 3 3 Tree-cut learning Automatic Tree-cut

14 Classication multi-résolution : segmentation guidée Input Example-based segmentation Output ImageISegmentation Example-based Resolution R segmentation result I S Example-based segmentation Pierre Gançarski Analyse urbaine et télédétection 14/28

Example-based Resolution R segmentation result I S

15 Classication multi-résolution : clustering des régions Types des régions Comment créer les diérents types de régions sans aucune indication sur leurs vraies natures (= classes thématiques) Clustering multirésolution Idée : Utiliser la résolution r + 1 pour classier les segments extraits à la résolution r Utilisation de leur composition radiométrique à la résolution r + 1 Pierre Gançarski Analyse urbaine et télédétection 15/28

multirésolution Idée : Utiliser la résolution r + 1 pour classier les segments extraits à la résolution r

100% 50% 0% 100% 50% 0% C1 C1 C2 C3 C4 C5 C6 C2 C3 C4 C5 C6 100% 50% 0% 100% 50% 0% C1 C1 C2 C3 C4 C5 C6 C2 C3 C4 C5 C6 Classication multi-résolution : clustering des régions Input Process Output 1

16 100% 50% 0% 100% 50% 0% C1 C1 C2 C3 C4 C5 C6 C2 C3 C4 C5 C6 100% 50% 0% 100% 50% 0% C1 C1 C2 C3 C4 C5 C6 C2 C3 C4 C5 C6 Classication multi-résolution : clustering des régions Input Process Output 1 Segmentation Algorithm Image 1 Resolution R1 Segmentation 3 4 Histogram Computation Clustering Algorithm 2 Clustering Algorithm Region Image Final clustered Image Resolution R1 Image 2 Resolution R2 Clustered Image Pierre Gançarski Analyse urbaine et télédétection 16/28

Resolution R1 Segmentation 3 4 Histogram Computation Clustering Algorithm 2 Clustering Algorithm Region Image Final

17 Contexte Analyse d'images de télédétection Avancées récentes Intégration de connaissances Approche multitemporelle Classi cation multi-résolution : données 10 m 2m 0,60cm Pierre Gançarski Analyse urbaine et télédétection 17/28

multitemporelle Classi cation multi-résolution : données

18 Classication multi-résolution : vérités terrain 10 m 2m 0,60cm Source : Anne Puissant (LIVE) Pierre Gançarski Analyse urbaine et télédétection 18/28

19 Classication multi-résolution : résultats à 10m Pierre Gançarski Analyse urbaine et télédétection 19/28

20 Classication multi-résolution : résultats à 2m Pierre Gançarski Analyse urbaine et télédétection 20/28

21 Classication multi-résolution : résultats à 60cm Pierre Gançarski Analyse urbaine et télédétection 21/28

22 Classication multi-résolution : résultats à 10m sur un crop Pierre Gançarski Analyse urbaine et télédétection 22/28

23 Classication multi-résolution : résultats à 2m sur un crop Pierre Gançarski Analyse urbaine et télédétection 23/28

24 Classication multi-résolution : résultats à 60cm sur un crop Pierre Gançarski Analyse urbaine et télédétection 24/28

25 1 Contexte 2 Analyse d'images de télédétection 3 Avancées récentes 4 Intégration de connaissances 5 Approche multitemporelle 6 Perspectives Pierre Gançarski Analyse urbaine et télédétection 25/28

26 1 Contexte 2 Analyse d'images de télédétection 3 Avancées récentes 4 Intégration de connaissances 5 Approche multitemporelle 6 Perspectives Pierre Gançarski Analyse urbaine et télédétection 26/28

27 1 Contexte 2 Analyse d'images de télédétection 3 Avancées récentes 4 Intégration de connaissances 5 Approche multitemporelle 6 Perspectives Pierre Gançarski Analyse urbaine et télédétection 27/28

28 Fin de la deuxième partie à suivre Pierre Gançarski Analyse urbaine et télédétection 28/28

Documents pareils

RapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources

RapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources Master Maths Finances 2010/2011 Data Mining janvier 2011 RapidMiner 1 Introduction 1.1 Présentation RapidMiner est un logiciel open source et gratuit dédié au data mining. Il contient de nombreux outils