Classification d'images satellitaires hyperspectrales en zone rurale et périurbaine - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Reports (Research Report) Year : 2000

Classification d'images satellitaires hyperspectrales en zone rurale et périurbaine

Abstract

L'observation satellitaire en zone rurale et périurbaine fournit des images hyperspectrales exploitables en vue de réaliser une cartographie ou une analyse du paysage. Nous avons appliqué une classification par maximum de vraisemblance sur des images de zone agricole. Afin de régulariser la classification, nous considérons la modélisation d'image par champs de Markov, dont l'équivalence avec les champs de Gibbs nous permet d'utiliser plusieurs algorithmes itératifs d'optimisation : l'ICM et le recuit simulé, qui convergent respectivement vers une classification sous-optimale ou optimale pour une certaine énergie. Un modèle d'énergie est proposé : le modèle de Potts, que nous améliorons pour le rendre adaptatif aux classes présentes dans l'image. L'étude de la texture dans l'image initiale permet d'introduire des critères artificiels qui s'ajoutent à la radiométrie de l'image en vue d'améliorer la classification. Ceci permet de bien segmenter les zones périurbaines, la forêt, la campagne, dans le cadre d'un plan d'occupation des sols. Trois images hyperspectrales et une vérité terrain ont été utilisées pour réaliser des tests, afin de mettre en évidence les méthodes et le paramétrage adéquats pour obtenir les résultats les plus satisfaisants.
Fichier principal
Vignette du fichier
RR-4008.pdf (777.84 Ko) Télécharger le fichier
Loading...

Dates and versions

inria-00072636 , version 1 (24-05-2006)

Identifiers

  • HAL Id : inria-00072636 , version 1

Cite

Olivier Pony, Xavier Descombes, Josiane Zerubia. Classification d'images satellitaires hyperspectrales en zone rurale et périurbaine. [Rapport de recherche] RR-4008, INRIA. 2000, pp.64. ⟨inria-00072636⟩
940 View
7594 Download

Share

Gmail Facebook X LinkedIn More