Détection de changements structurels sur des images satellite haute résolution

Show full item record

Files in this item

PDF TraitSignal_2013_30_6_401_Article.pdf 1.712Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/70425
Title: Détection de changements structurels sur des images satellite haute résolution
Author: Boukir, Samia; Orny, Camille; Chehata, Nesrine; Guyon, Dominique; Wigneron, Jean-Pierre
Abstract: Les changements environnementaux brutaux et massifs, qui affectent généralement de grandes surfaces, doivent être localisés le plus rapidement possible pour gérer l’impact immédiat de ce type d’événements sur les écosystèmes et prévenir les risques associes. Il est donc nécessaire de développer des méthodes permettant d’établir efficacement une carte des changements. Dans cette optique, une approche region quasi non supervisee de detection de changements sur des images satellite a haute résolution spatiale est proposée. Un procédé innovant de selection automatique d’attributs, inspire des procédures de calibrage, optimise la segmentation et la classification. Un nouveau descripteur spatio-temporel, base sur le taux de fragmentation des régions détectées, permet alors de réaliser une classification binaire des changements en zones intactes et altérées. Cette méthode paisse par des étapes de segmentation et de classification mean shift. L’approche a été évaluée en milieu forestier sur un couple d’images satellite multispectrales Formosat-2 acquises avant et après une tempête majeure pour reconnaêtre et cartographier les dégats.Brutal and massive environmental changes, generally affecting large areas, have to be localized as rapidly as possible in order to manage the immediate impact of this type of events on ecosystems and prevent related risks. Therefore, it is necessary to develop efficient methods for change mapping. A quasi-unsupervised region-based method for change detection in high resolution satellite images is proposed. An automatic feature selection optimizes image segmentation and classification via an original calibration-like procedure. A binary classification enables then to separate altered from, intact areas thanks to a new spatio-temporal descriptor based on the level of fragmentation of obtained regions. Both segmentation and classification involve a mean shift procedure. The method was assessed on forest environment using a Formosat-2 mul- tispectral satellite image pair acquired before and after a major storm to identify and map the damages.
Subject: classification de régions; détection de changements; image multispectrale; segmentation; sélection d’attributs; mapping; region classification; change detection; multispectral image; segmentation; feature selection
Publisher: Lavoisier
Date: 2013

This item appears in the following Collection(s)

Show full item record





Advanced Search