3 - Deux modèles variationnels pour la classification d'images multispectrales

Show full item record

Files in this item

PDF Blanc-Féraud (2000042).pdf 45.53Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/2188
Title: 3 - Deux modèles variationnels pour la classification d'images multispectrales
Author: SAMSON (Christophe); BLANC-FERAUD (Laure); AUBERT (Gilles); ZERUBIA (Josiane)
Abstract: Le problème de la classification est abordé dans une approche variationnelle. Dans des travaux précédents, deux méthodes ont été développées pour la classification d'images monospectrales. Le but de cet article est de présenter l'extension de ces deux modèles au cas de données multispectrales. Le premier modèle repose sur la minimisation d'une famille de critères dont la suite de solutions converge vers une partition des données composée de classes homogènes séparées par des contours réguliers. Parallèlement à cette approche, nous avons développé un second modèle de classification mettant en jeu un ensemble de régions et contours actifs. Nous utilisons une approche par ensembles de niveaux pour définir le critère à minimiser. Comme pour le premier modèle, le critère proposé contient des termes reliés à l'information sur les régions ainsi qu'à l'information sur les contours. L'imagerie multispectrale permet de prendre en compte l'information des différentes bandes spectrales d'un capteur satellitale ou aérien. L'extension au cas multispectral intervient à des niveaux différents pour les deux modèles. Nous traitons une application réelle sur une scène SPOT en mode XS pour laquelle nous disposons d'une vérité terrain. Nous comparons les deux modèles variationnels que nous proposons à d'autres approches dont un modèle stochastique hiérarchique, récemment développé à l'IRISA au sein du projet VISTA.
Description: Image classification is considered as a variational problem. In recent works, two different models have been proposed for monospectral image classification. The goal of this paper is to extend both models to multispectral data. The first model proposed in this paper is based on the minimization of a criterion family whose set of solutions converges to a partition of the data set composed of homogeneous regions with regular boundaries. The second model is based on a set of active regions and contours. We use a level set formulation to define the criterion we want to minimize. As in the first model, the solution is composed of homogeneous regions with regular interfaces.In order to take into account the information coming from different spectral bands of a satellite or aerial sensor, we extend these models to multispectral data. Combining information of multiple bands is a different task in each model. We present results on real data from SPOT satellite in XS mode, for which a ground truth is available. These results are compared with those obtained with a hierarchical stochastic model, recently developed at IRISA in the VISTA research group.
Subject: Traitement image; Classification image; Principe variationnel; Photographie multispectrale; Détection contour; Modélisation; Algorithme
Publisher: GRETSI, Saint Martin d'Hères, France
Date: 2001

This item appears in the following Collection(s)

Show full item record





Advanced Search