Thèse soutenue par Mathieu Gravey le 8 janvier 2020, Institut des dynamiques de la surface terrestre (IDYST)
Les images satellites de la surface de la terrestre sont de plus en plus riches. À travers les avancées technologiques, depuis l’imagerie argentique en noir et blanc jusqu’aux dernières avancées en imagerie numérique multispectrale, de nombreux types d’images différentes ont été acquis. Les images actuelles permettent une classification de haute fidélité, la détection de changements, etc. L’utilisation d’images de différentes générations est un réel défi pour les études qui considèrent les évolutions sur le long terme. La solution habituelle consiste à réduire leur qualité à un dénominateur commun.
Dans cette thèse, je cherche à l’inverse à enrichir les images satellites pauvres pour rendre leur résolution spectrale similaire aux images plus récentes. Pour ce faire je propose d’utiliser la géostatistique et en particulier les statistiques multipoints (MPS), qui ont été développées à l’origine pour simuler des processus souterrains à l’aide d’images analogues (images d’entrainement).
Afin d’accélérer et simplifier l’utilisation des MPS, une nouvelle méthode a été développée. Quantile Sampling (QS) est une solution robuste, simple et efficace pour réaliser des simulations MPS. QS a été développé avec comme contrainte principale de gérer les variables continues de manière extrêmement efficace.
L’enrichissement spectral peut être effectué à l’aide d’algorithmes standards à condition que la transformation puisse être réversible (ex. gris = moyenne des couleurs > couleurs). Toutefois, dans le contexte de l’extrapolation spectrale (couleur > proche infrarouge) une nouvelle approche NDS (Narrow Distribution Selection) a dû être spécialement développée. S’appuyant sur les bases de QS, NDS fournit des simulations de haute qualité. Enfin, une nouvelle méthode de calibration est présentée. Si QS simplifie le paramétrage et réduit significativement la sensibilité des paramètres, une calibration est toujours nécessaire. La méthode présentée, qui repose sur l’analyse complète de l’image d’entrainement, se veut être simple, automatique et évolutive.
