Soutenance mémoire
L’observation de la Terre depuis l’espace est un objectif que l’Homme a visé depuis des décennies et les images satellitaires sont considérées de plus en plus comme étant la source d’informations précises, riches et détaillées sur l’occupation des sols et sur les phénomènes qui se déroulent à la surface de notre planète. De plus, l’accroissement de la résolution des observations satellitaires permet de renouveler complètement la méthodologie et les objectifs de la télédétection et d’approcher de nouvelles techniques non employées en traitement des images. L’analyse de ces images est une discipline en plein développement, elle constitue une technique d’observation moins coûteuse que les enquêtes de terrain et peut être utilisée dans les activités de la protection de l’environnement, la conversion des zones rurales, la surveillance des territoires, l’analyse et la surveillance de la croissance urbaine, la désertification etc. L’analyse d’images satellitaires dans un cadre spatio-temporel est une voie d’investigation de plus en plus pertinente pour l’étude des phénomènes physiques dynamiques et l’interprétation de leur évolution au cours du temps. La taille des bases d’images satellitaires sont croissantes et leur manipulation manuelle est devenue de plus en plus dure et laborieuse. Plusieurs travaux ont été portés sur le traitement des images satellitaires à partir du développement d’algorithmes qui font soit toutes les tâches (traitement automatique), soit une partie des taches (traitement semi automatique).
Les images satellitaires
Les satellites consacrés à l’observation de la terre sont nombreux mais il existe des leaders qui fournissent la plupart des images utilisées aujourd’hui tels que Ikonos, Worldview, Quickbird, Landsat, Spot etc. [Moh08]. L’imagerie satellitaire, comparée à d’autres moyens tels que la photographie aérienne, les relevés de terrain ou les cartes géographiques présente des avantages certains :
– Elle est universelle : elle ne connaît pas de frontière géographique ou politique.
– Elle est obtenue de manière numérique et ne nécessite donc pas de conversion de données
– flexible, précise et actuelle (renouvellement de l’information automatique ou à la demande).
Selon l’application que l’on veut cibler obtenir, on dispose de plusieurs types d’images [Moh08] :
– L’imagerie panchromatique : l’image est représentée en noir et blanc. Elle sert principalement à obtenir des informations de type géométrique comme la forme, la dimension et la surface. Elle est acquise par un capteur numérique qui mesure la refléctance dans une large bande électromagnétique.
– L’imagerie multi-bande : Elle est acquise par un capteur numérique qui mesure la refléctance dans de nombreuses bandes spectrales qui se combinent pour créer des images couleur. Elle sert principalement à obtenir des informations à caractère qualitatif (par exemple : classification des types de végétation sur des parcelles).
– L’imagerie radar : Le radar permet l’élaboration d’images de jour comme de nuit même à travers les nuages. Il est sensible aux propriétés diélectriques des milieux telles que la teneur en eau et à leur rugosité. Il est également sensible aux structures géométriques à l’échelle de la longueur d’onde.
Une image satellitaire est caractérisée par sa résolution spectrale, sa résolution spatiale, sa résolution numérique et sa résolution radiométrique [Del03].
La résolution spectrale
La résolution spectrale décrit la capacité d’un capteur à utiliser de petites fenêtres de longueur d’onde. Les roches et les minéraux par exemple réclament une résolution spectrale fine par contre la végétation ou l’eau ne nécessitent pas une grande résolution. Si la résolution spectrale est trop grossière, il ne sera alors plus possible de bien différentier les différents minéraux. Les images panchromatiques sont thématiquement moins intéressantes que les images multi-spectrales. Effectivement, il est préférable d’avoir trois bandes spectrales : vert, bleu et rouge, plutôt qu’une seule bande spectrale visible. Il existe aussi des capteurs plus sophistiqués capables de détecter des centaines de bandes spectrales, on les appelle capteurs hyperspectraux.
La résolution spatiale ou géométrique
Cette résolution s’exprime en mètres ou en kilomètres et mesure le coté d’un pixel, par exemple pour une image à 20 mètres de résolution, chaque pixel représente une superficie correspondante à 20 x 20 mètres au sol. Ainsi une résolution spatiale élevée autorise la distinction d’objet spatial de petite taille comme des bâtiments ou des petites parcelles agricoles et une résolution grossière (plusieurs centaines de mètres voire plusieurs kilomètres) ne permettra pas de distinguer des objets spatiaux de petites tailles. Plus la résolution augmente, plus la taille des images s’accroît, ce qui ralentit les traitements et nécessite un matériel très performant et plus le prix de l’image s’élève. Il faut donc adapter les choix des images à la problématique de recherche en non l’inverse.
La résolution radiométrique
La résolution radiométrique d’un système de télédétection est sa capacité à reconnaître de petites différences dans le spectre électromagnétique. Plus la résolution radiométrique d’un capteur est fine, plus le capteur est sensible à de petites différences dans l’intensité de l’énergie reçue.
La résolution numérique
La résolution numérique est très liée à la résolution radiométrique. Chaque quantité d’énergie mesurée en kilojoules est transformée en compte numérique ou valeurs radiométrique. Plus la gamme des comptes numériques est étendue, plus la résolution numérique est grande. Ainsi, dans la plupart des images, la gamme possible est de 256 valeurs.
Les prétraitements
Les prétraitements sont des opérations effectuées sur les images de façon à les corriger ou les améliorer thématiquement et géométriquement [Moh08].
Les corrections radiométriques
Les corrections radiométriques sont appliquées sur les images pour réaffecter à chaque pixel une valeur radiométrique la plus proche possible de celle mesurée sur le terrain. Les variations enregistrées peuvent être dues aux défauts lors de la conception des instruments, au vieillissement des capteurs ou à leur dérèglement etc.
Les corrections géométriques
Les corrections géométriques sont appliquées sur les images pour réduire les déformations géométriques intervenues lors de l’enregistrement de la scène telles que les distorsions dues aux erreurs des systèmes de mesure, les distorsions provenant des mouvements de la plate-forme (roulis, tangage, lacet…) et les distorsions causées par l’environnement (courbure de la terre, variation d’altitude au sol,…).
Les corrections atmosphériques
Les signaux lumineux mesurés par les capteurs d’un satellite traversent deux fois l’atmosphère de notre planète, la première fois lors du trajet soleil-cible et la seconde lors du trajet cible-capteurs. A chacune de ces deux traversées, le rayonnement électromagnétique va subir des transformations dues aux propriétés physico-chimiques des deux composants majeurs de l’atmosphère terrestre qui sont les gaz (oxygène, ozone, vapeur d’eau…) et les aérosols (poussières, pollens…). Les corrections atmosphériques servent à minimiser ces distorsions.
|
Table des matières
Introduction Générale
Chapitre I : Analyse et traitement des images Satellitaires
1. Introduction
2. Les images satellitaires
2.1 La résolution spectrale
2.2 La résolution spatiale ou géométrique
2.3 La résolution radiométrique
2.4 La résolution numérique
3. Les prétraitements
3.1 Les corrections radiométriques
3.2 Les corrections géométriques
3.3 Les corrections atmosphériques
4. Les satellites de télédéction civile
4.1 Les satellites Européens SPOT
4.2 Le satellite Orbview
4.3 Le satellite Ikonos
4.4 Le satellite GeoEye
4.5 Le satellite Quickbird
4.6 Le satellite Worldview
5. L’apport des images satellitaires
Chapitre II : Le recalage des images
1. Introduction
2. Critères de recalage
2.1 L’espace de recherche
2.2 Mesure de similarité
2.3 Stratégie de recherche
2.4 Espace des caractéristiques
3. État de l’art sur les approches de recalage
3.1 Approches Géométriques
3.1.1 Les techniques à base de caractéristiques « bas-niveau »
3.1.1 Les techniques à base de caractéristiques « haut-niveau »
3.1.3 Autres techniques
3.1.4 Avantages et inconvénients des approches géométriques
3.2 Approches Iconiques
3.2.1 Avantages et inconvénients des approches iconiques
3.3 Approches Hybrides
4. Validation de recalage
4.1 Validation par inspection visuelle
4.2 Influence de la base d’images
4.3 Évaluation de la mise en correspondance de primitives
4.4 Validation sur champs de déformation synthétiques
Chapitre III : Méthodes géométriques de recalage
1. Introduction
2. Détection des points d’intérêt
2.1 Détecteurs des points d’intérêt
2.1.1 Opérateur de Moravec
2.1.2 Opérateur de Beaudet
2.1.3 Opérateur de Kitchen et Rosenfeld
2.1.4 Opérateur de Zuniga et Haralick
2.1.5 Opérateur de Harris et Stephens
2.1.6 Opérateur de Wang et Brady
2.1.7 Opérateur de Smith et Brady
2.1.8 Opérateur de David Lowe « SIFT »
2.1.9 Operateur de Herbert Bay « SURF »
2.1.10 Operateur de Chen He et Nelson Yang « basé sur les courbures »
2.2 Synthèse
3. Sélection des points de contrôle
3. 1 Mise en correspondance
3.1.1 Notions de bases
3.1.2 Contraintes géométriques
3.2 Principales méthodes de mise en correspondance
3.2.1 Appariement par prédiction et vérification d’hypothèses
3.2.2 Méthodes corrélatives
3.2.3 Méthodes basées sur la programmation dynamique
3.2.4 Méthodes séquentielles
3.2.5 Méthode bidirectionnelle
3.2.6 Méthode hiérarchique
3.2.7 Approche par algorithmes génétiques
3.2.8 Méthodes basées sur les réseaux de neurones
3.3 Elimination des faux appariements avec l’algorithme RANSA
Conclusion Générale
