Analyse et segmentation d'images Multi spectrales : Application aux images MSG

Abstract

Dans cette thèse, nous présentons deux méthodes de segmentation d'images satellitaires météorologiques de type MSG. La majorité des méthodes de segmentation développées jusqu’à présent sont destinées aux images en niveaux de gris.des travaux récents ont été consacrés pour généraliser celles-ci aux images multispectrales.Cependant, ces approches utilisent généralement des stratégies de segmentation qui ne prennent pas en compte les corrélations spectrales et spatiales existantes entre les pixels de l'image. pour palier cet inconvénient,nous avons élaboré deux techniques de segmentation qui permettent de détecter les régions d'intérêt dans des images multispectrales. La première utilise une segmentation récursive locale-spectrale floue ( LSF ) qui réduit dynamiquement le nombre de classe.la deuxième est basé sur la classification floue des textures multispectrales et l'analyse d’homogénéité locale ( FGAHL ); Appliquées à des images synthétiques texturées couleur, les deux méthodes développées LSF et FGAHL , rapportent des cartes de segmentation compactes et cohérentes. Les taux de bonne segmentation obtenus pour les images synthétiques sont de 98,72/ et 98,46/ respectivement.Concernant les images MSG, les différents nuages ainsi que les différents types de sol et de mers ont été correctement détectés et identifiés et les contours ont été correctement reproduits par les deux techniques .Notons néanmoins une légère supériorité de l'approche LSF. En effet, cette dernière reproduit plus nettement les contours et discrimine mieux les nuages .