Analyse et classification d'images multispectrales basée sur l'extraction des paramètres texturaux et spectraux des images MSG

Loading...
Thumbnail Image

Date

2018-02-25

Journal Title

Journal ISSN

Volume Title

Publisher

Université Mouloud Mammeri

Abstract

Dans ce travail, nous allons présenter deux études à travers lesquelles nous allons contribuer à l'extraction et l'identification des différentes classes présentes sur des images satellitaires météorologiques multi spectrales. La première consiste à élaborer une méthode de classification (VMMRF) permettant d'identifier le contenu d'une scène donnée à travers les différentes surfaces constituant ces images et plus particulièrement les nuages d'eau. Cette technique est basée sur une modélisation par champs de Markov (MRF) ayant l'avantage d'introduire des interactions à l'échelle du voisinage qui constitue une notion de base en imagerie. Elle est associée à une stratégie vectorielle qui permet de prendre en considération les interactions présentes entres les différentes composantes spectrales d'une même scène. Appliquée aux images MSG, cette technique a permis d'identifier correctement les différentes classes correspondant aux différents types de sols, à la mer ainsi qu'aux différents types de nuages. Les résultats de la classification montrent la supériorité de cette approche comparativement à d'autres techniques usuelles publiées dans la littérature telles que celles basées sur une approche mono spectrale. La deuxième consiste à développer et à mettre en oeuvre une autre méthode de classification des nuages identifiés, par la première méthode, selon leur contenu en eau. Elle est basée sur une implémentation avec les réseaux de neurone perceptrons multicouches (MLP). Trois modèles ont été ainsi proposés. Le premier (MLP-ST) est basé uniquement sur les paramètres spectraux du radiomètre SEVIRI qui fournissent des informations sur les propriétés des nuages. Les deux autres (MLP-ST1) et (MLP-ST2) prennent en considération l'utilisation conjointe de l'information texturale, respectivement du premier et du second ordre, fournissant une information contextuelle des nuages, et de l'information spectrale de ces images multi spectrales. Les données utilisées proviennent du satellite (MSG) qui assure une couverture permanente de la totalité de la zone d'étude considérée. L'apprentissage des réseaux de neurones a été réalisé en utilisant une base de données constituée d'images MSG et des images radar collectées par le radar de Sétif prises pendant la période comprise entre Novembre 2006 à Mars 2007. La validation de la méthode a été réalisée avec les mêmes types des images, mais prises pendant la période qui s'étend de Novembre 2010 à Mars 2011. Les résultats obtenus montrent une meilleure performance de la technique basée sur une utilisation combinée de l'information spectrale et de l'information texturale notamment celle du second ordre (MLP-ST2). Cependant, elle ne peut pas être extrapolée pour toutes les régions du globe ou à toutes les échelles du temps. Une étude comparative a été effectuée entre les résultats des méthodes développées et ceux d'autres méthodes classification conventionnelles. L'analyse qualitative de ces différents résultats montre que les algorithmes que nous avons proposés ont montré une bonne performance car ils ont réussi à discriminer toutes les classes avec moins de confusion.

Description

107 p. : ill. ; 30 cm. (+ CD-Rom)

Keywords

Classification d'images, Analyse d'images, Images MSG, Données radar, Champs de Markov, Réseaux de neurones

Citation

Option : Electronique