Projet : ARIANA - ariana

<body bgcolor="#FFFFFF" text="#000000" link="#9944EE" vlink= "#0000FF" alink="#00FF00"> <h2><a name="SECTION00063000000000000000">Analyse de texture dans l'espace hyperspectral par des méthodes probabilistes pour l'extraction de zones urbaines</a></h2>  <a name="ARIANA_resultats_texhyper"></a> <p><br /> <br /> <span class="textbf">Participants :</span> Guillaume Rellier, Xavier Descombes, Josiane Zerubia.<br /> <br /></p> <p><strong>Mots clés :</strong> <i>imagerie hyperspectrale, analyse de texture, classification, champs de Markov, poursuite de projection .</i></p> <p>Les capteurs optiques hyperspectraux sont caractérisés par le nombre de leurs bandes d'acquisition. Alors que les capteurs multispectraux comme SPOT ou Landsat fournissent des images composées de 3 à 7 canaux, les images issues du capteur aéroporté AVIRIS sont constituées de 224 bandes allant du visible à l'infrarouge.</p> <p>Leur pouvoir discriminant est bien supérieur à celui des images multispectrales, car la mesure fournie est une bonne approximation discrète du spectre de radiance du matériau imagé.</p> <p>Parmi les approches statistiques pour la classification, les modèles utilisés sont majoritairement des modèles non-contextuels. Nous nous intéressons à une analyse des textures présentes dans ces images. Deux axes principaux ont été explorés dans ce travail : la réduction de la dimension de l'espace d'observation, processus servant à atténuer l'effet de Hughes (estimées sont non robustes du de la grande dimension de l'espace considéré), et la modélisation de textures multivariées.</p> <p>La modélisation par champ markovien gaussien de la texture multispectrale semble prometteuse. Pour ce qui concerne la réduction de dimension, on s'intéresse à l'algorithme de poursuite de projection qui permet, d'une part, d'intégrer la modélisation choisie et l'objectif du traitement dans les critères d'optimisation et, d'autre part, de réduire les problèmes liés à l'estimation de paramètres dans des espaces de grande dimension.</p> <p>Ce travail a été réalisé dans le cadre d'une bourse région PACA/Alcatel Space industries.</p> <p><br /></p> <div align="center"> <div align="center"> <div align="center">  <img width="142" height="142" align="bottom" border="0" src="img9.png" alt= "\includegraphics [width=5cm]{RellierInit.ps}" /> </div> <div align="center"></div> <table cols="2"> <col align="center" /> <col align="center" /> <tr> <td valign="baseline" align="center" nowrap="nowrap"> </td> <td valign="baseline" align="center" nowrap="nowrap">  <img width="142" height="142" align="bottom" border= "0" src="img10.png" alt= "\includegraphics [width=5cm]{RellierClassif.ps}" /></td> </tr> <tr> <td valign="baseline" align="center" nowrap="nowrap"> a)</td> <td valign="baseline" align="center" nowrap="nowrap"> b)</td> </tr> <tr> <td valign="baseline" align="center" nowrap="nowrap"> </td> <td> </td> </tr> </table> </div> <div align="center"> a) affichage en fausse couleur d'un collage de textures extraites<br /> d'une scène AVIRIS (224 bandes), b) résultat régularisé de classification supervisée<br /> après poursuite de projection pour garder 20 bandes </div> </div> </body>