Classification Multi Source Des Données Optiques En Intégrant La Texture

Classification Multi Source

Des Données OptiquesEn Intégrant La Texture

Présenter Par:

BOUDALI Nourredine

Mise En Ouvre

Conclusion

PLAN DE TRAVAIL

Télédétection & ImagerieApproche Utilisée

Mise En OuvreConclusion & Perspectives

Mise En Ouvre

Conclusion

Qu’est ce que la télédétéction ?

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

Définition Les Étapes Image Satellitaire Traitements D’Images

3

Techniques

d’observation

Détection à

Distance

Plate

forme

Télédétection

Mise En Ouvre

Conclusion

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

Source d’énergie

ou d’illuminati

onInteraction rayonneme

nt atmosphèr

eInteraction

avec la cible

Enregistrement de

l’énergie par le capteur

Transmission,

réception et

traitement

Interprétation et analyse

Application

Absorbtion

Refléxion

Transmission

Définition Les Étapes Image Satellitaire Traitements D’Images

4

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Pixel

Au format numérique

Image satellitaire

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

Définition Les Étapes Image Satellitaire Traitements D’Images

5

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Classification basée sur L’information spectrale Résultats Pertinents

Classification Texturale

6

Mise En Ouvre

Conclusion

Problématique : Analyse Texturale

Il existe pas une définition précise et rigoureuse

C’est pas de proposer d’une nouvelle définition

Extraction certaines information caractéristique de la texture

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

7

Télédétection & Imagerie

Mise En Ouvre

ConclusionLa Matrice de cooccurrence

Analyse basée sur la description de l'histogramme

pas d'information sur la localisation du pixel

Inconvénient

Pour une analyse plus précise

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

8

Télédétection & Imagerie

Mise En Ouvre

La Matrice de cooccurrence

2 paramètres :

d : la distance entre les 2 pixels θ : l'angle de la droite reliant ces 2 pixels par rapport à l'horizontale

Permet de: Déterminer la fréquence d'apparition d'un "motif" formé par 2 pixels

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

9

Télédétection & Imagerie

Conclusion

La Matrice de cooccurrence

HARRALICK 1973

14 indices texturaux

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

10

Télédétection & Imagerie

Mise En Ouvre

Conclusion

La Matrice de cooccurrence

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

11

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Intégration des indices texturaux issues par la matrice de cooccurrence

Classification Neuronale Supervisée

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

12

Mise En Ouvre

Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Les Réseaux De Neurones Le Neurone Biologique

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

13

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Le Neurone Formel

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

14

Mise En Ouvre

Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

15

Mise En Ouvre

Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

16

Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Composition colorée des trois canaux (TM1, 3, 4 du 15 mars 1993)

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

17

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Canal 1

Canal 2

Canal 3

Composotion

Image satellitaire

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

18

Le canal TM4 est utilisé pour extraction des paramètres de textures issues de la matrice de cooccurrence.

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Différents Classes De L’Image

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

19

Télédétection & Imagerie

Indice texturaux issue par la matrice de cooccurrence Images TM1.3.4

Composition Colorée

Amélioration

Echantionnage

Apprentissage

Classification

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

20

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Classification normale sans la donnée texturale 

Nombre de neurone de la couche d’entrée : 03Nombre de neurone de la couche cachée : 12Nombre de neurone de la couche de sortie :10Nombre d’itération : 50000 itération.Le seuil d’activation : 0.03Le pas d’apprentissage : 0.5

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

21

Télédétection & Imagerie

Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Taux de classification : 96,75%Conflits: urbain dans sebkha1

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

22

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

23

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Classification normale avec la donnée texturale 

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Nombre de neurone de la couche d’entrée : 08Nombre de neurone de la couche cachée : 12Nombre de neurone de la couche de sortie :10Nombre d’itération : 50000 itération.Le seuil d’activation : 0.03Le pas d’apprentissage : 0.5

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

24

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

8eme Essai: La taille de la fenêtre 5*5, pas de déplacement : 01, angle d’orientation : 90°. 

Taux de classification : 98,83%Conflits: La diminution entre urbain & sebkha1Foret et la classe urbain

25

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

26

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

11eme Essai: La taille de la fenêtre 5*5, pas de déplacement : 01, angle d’orientation : 135°. 

Taux de classification : 98,42%Conflits: Diminution du conflit entre urbain & sebkha1Urbain & la classe jachèreForet dans la classe urbain

27

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

28

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

La classification normale sans extraction des paramètre texturaux 96,75%

La classification normale avec extraction des paramètre texturaux (d=1; 5*5; 90°;135°)

98,83% , 98,42%

la comparaison enregistre une amélioration de 2,08%

29

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

Conclusion

La définition de la texture est presque aussi difficile que la mesurée

Les résultats de classification texturale sont nettement supérieurs à ceux obtenus à partir de la classification des données brutes.

Amélioration significative de 2.08% par rapport à la classification des données brutes

offre aussi un grand pouvoir discriminatoire entre les thèmes ayant de forte similitudes (urbain & sebkha).

30

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

Perspective

distance minimale, K plus proche voisins

Séparateur à vaste Marge SVM

les algorithmes génétiques

la transformation en ondelettes

Autres Types d’image a différentes résolution et issues d’autre types de capteurs

31

MERCI POUR VOTRE ATTENTION