{"id":598,"date":"2013-08-26T16:20:26","date_gmt":"2013-08-26T14:20:26","guid":{"rendered":"http:\/\/wp.unil.ch\/geoblog\/?p=598"},"modified":"2018-12-18T10:11:40","modified_gmt":"2018-12-18T09:11:40","slug":"kernel-based-methods-for-change-detection-in-remote-sensing-images","status":"publish","type":"post","link":"https:\/\/wp.unil.ch\/geoblog\/2013\/08\/kernel-based-methods-for-change-detection-in-remote-sensing-images\/","title":{"rendered":"Kernel-based methods for change detection in remote sensing images"},"content":{"rendered":"

Th\u00e8se soutenue par Michele Volpi le 26 ao\u00fbt 2013, Centre de recherche sur l’environnement terrestre (CRET)<\/em><\/p>\n

Le nombre de satellites consacr\u00e9 \u00e0 l\u2019observation de la Terre est en croissance continue. En cons\u00e9quence, une \u00e9norme quantit\u00e9 de donn\u00e9es d\u2019imagerie permettant d’\u00e9tudier la surface du globe, ses modifications et suivre son \u00e9volution, est disponible. L’exploitation conjointe des images de t\u00e9l\u00e9d\u00e9tection satellitaire ou a\u00e9roport\u00e9 acquises sur une base journali\u00e8re et de celles pr\u00e9sentes dans les archives permettent donc un suivi d\u00e9taill\u00e9 des transformations survenant \u00e0 la surface de la Terre. Les modifications dans la couverture du sol engendrent des divergences dans l’information spectrale, qui peuvent \u00eatre d\u00e9tect\u00e9es par l\u2019analyse d’images de t\u00e9l\u00e9d\u00e9tection. Ind\u00e9pendamment de l\u2019origine de l’image ou du type de changement au sol, le traitement de ce type de donn\u00e9es, aboutissant \u00e0 une carte \u00e0 r\u00e9f\u00e9rence spatiale des changements survenus \u00e0 la surface de la Terre, implique l’utilisation de m\u00e9thodes flexibles et robustes, ainsi qu\u2019une prise en compte pr\u00e9cise des relations statistiques complexes qui caract\u00e9risent ces images.
\n<\/p>\n

Cette th\u00e8se aborde le d\u00e9veloppement de m\u00e9thodes statistiques avanc\u00e9es pour le traitement d’images optiques multi-temporelles. Trois diff\u00e9rentes familles de mod\u00e8les d\u2019apprentissage statistique ont \u00e9t\u00e9 explor\u00e9es et solutions aux probl\u00e8mes fondamentaux pour la d\u00e9tection de changements sont propos\u00e9es.<\/p>\n

Les mod\u00e8les d\u00e9velopp\u00e9s dans cette th\u00e8se sont destin\u00e9s \u00e0 des applications dans trois diff\u00e9rents probl\u00e8mes de d\u00e9tection des changements. Dans un premier cas, l’analyse multi-temporelle se fait par la g\u00e9n\u00e9ralisation d’informations donn\u00e9es par l’utilisateur au sein du mod\u00e8le stastique. Cet approche est tr\u00e8s pr\u00e9cise et s’adapte bien \u00e0 des situations de surveillance environnementale et\/ou urbaine \u00e0 haute r\u00e9solution. Dans un deuxi\u00e8me cas, la m\u00e9thode propos\u00e9e est compl\u00e8tement automatique, ce qui permet d\u2019obtenir des cartes fid\u00e8les dans un d\u00e9lai r\u00e9duit.<\/p>\n

Cet algorithme s’av\u00e8re tr\u00e8s utile lors de la cartographie d’un \u00e9v\u00e9nement abrupt tel qu\u2019une inondation ou un glissement de terrain. La derni\u00e8re \u00e9tude de la th\u00e8se propose une approche g\u00e9n\u00e9rale pour analyser simultan\u00e9ment des images provenant de diff\u00e9rents types de capteurs, un probl\u00e8me pas traitables d’une fa\u00e7on classique.<\/p>\n

Cette th\u00e8se d\u00e9montre que les m\u00e9thodes d’apprentissage statistique sont bien adapt\u00e9es \u00e0 la d\u00e9tection des changements de la surface de la Terre repr\u00e9sent\u00e9s par le biais d\u2019images de t\u00e9l\u00e9d\u00e9tection. En g\u00e9n\u00e9rale, l\u2019adoption de ces approches permet une augmentation de la pr\u00e9cision de la d\u00e9tection des changements observ\u00e9s, tout en gardant un environnement de mod\u00e9lisation flexible et simple.<\/p>\n","protected":false},"excerpt":{"rendered":"

Th\u00e8se soutenue par Michele Volpi le 26 ao\u00fbt 2013, Centre de recherche sur l’environnement terrestre (CRET) Le nombre de satellites consacr\u00e9 \u00e0 l\u2019observation de la Terre est en croissance continue. En cons\u00e9quence, une \u00e9norme quantit\u00e9 de donn\u00e9es d\u2019imagerie permettant d’\u00e9tudier la surface du globe, ses modifications et suivre son \u00e9volution, est disponible. L’exploitation conjointe des […]<\/p>\n","protected":false},"author":47,"featured_media":3358,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_seopress_robots_primary_cat":"","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":"","_links_to":"","_links_to_target":""},"categories":[49465],"tags":[],"class_list":{"0":"post-598","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-theses-soutenues"},"_links":{"self":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/posts\/598","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/comments?post=598"}],"version-history":[{"count":0,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/posts\/598\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/media\/3358"}],"wp:attachment":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/media?parent=598"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/categories?post=598"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/tags?post=598"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}