La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Classification Multi Source En Intégrant La Texture

Présentations similaires


Présentation au sujet: "Classification Multi Source En Intégrant La Texture"— Transcription de la présentation:

1 Classification Multi Source En Intégrant La Texture
Des Données Optiques En Intégrant La Texture Présenter Par: BOUDALI Nourredine

2 Télédétection & Imagerie Conclusion & Perspectives
Plan De Travail Télédétection & Imagerie Approche Utilisée Mise En Ouvre Mise En Ouvre Conclusion & Perspectives Conclusion

3 Techniques d’observation
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Définition Les Étapes Image Satellitaire Traitements D’Images Qu’est ce que la télédétéction ? Techniques d’observation Télédétection Détection à Distance Mise En Ouvre Plate forme Conclusion

4 Mise En Ouvre Conclusion
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Définition Les Étapes Image Satellitaire Traitements D’Images Application Enregistrement de l’énergie par le capteur Source d’énergie ou d’illumination Interaction rayonnement atmosphère Transmission, réception et traitement Interaction avec la cible Mise En Ouvre Refléxion Interprétation et analyse Absorbtion Conclusion Transmission

5 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Définition Les Étapes Image Satellitaire Traitements D’Images Au format numérique Image satellitaire Télédétection & Imagerie Pixel Mise En Ouvre Conclusion

6 Classification Texturale
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 Télédétection & Imagerie Mise En Ouvre Classification Texturale Conclusion

7 Il existe pas une définition précise et rigoureuse
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Texture D’Image Méthodes D’analyses de la texture Classification Texturale Problématique : Analyse Texturale Il existe pas une définition précise et rigoureuse C’est pas de proposer d’une nouvelle définition Mise En Ouvre Extraction certaines information caractéristique de la texture Conclusion

8 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Texture D’Image Méthodes D’analyses de la texture Classification Texturale Analyse basée sur la description de l'histogramme Inconvénient Télédétection & Imagerie pas d'information sur la localisation du pixel Pour une analyse plus précise Mise En Ouvre La Matrice de cooccurrence Conclusion

9 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Texture D’Image Méthodes D’analyses de la texture Classification Texturale La Matrice de cooccurrence Permet de: Déterminer la fréquence d'apparition d'un "motif" formé par 2 pixels 2 paramètres : d : la distance entre les 2 pixels θ : l'angle de la droite reliant ces 2 pixels par rapport à l'horizontale Télédétection & Imagerie Mise En Ouvre

10 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Texture D’Image Méthodes D’analyses de la texture Classification Texturale La Matrice de cooccurrence Télédétection & Imagerie 14 indices texturaux HARRALICK 1973 Conclusion

11 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Texture D’Image Méthodes D’analyses de la texture Classification Texturale La Matrice de cooccurrence Télédétection & Imagerie Mise En Ouvre Conclusion

12 Classification Neuronale Supervisée
Télédétection & Imagerie Approche utilisée 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 Télédétection & Imagerie Mise En Ouvre Classification Neuronale Supervisée Conclusion

13 Mise En Ouvre Conclusion
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Texture D’Image Méthodes D’analyses de la texture Classification Texturale Le Neurone Biologique Les Réseaux De Neurones Mise En Ouvre Conclusion

14 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Texture D’Image Méthodes D’analyses de la texture Classification Texturale Le Neurone Formel Télédétection & Imagerie Mise En Ouvre Conclusion

15 Mise En Ouvre Conclusion
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Texture D’Image Méthodes D’analyses de la texture Classification Texturale Mise En Ouvre Conclusion

16 Mise En Ouvre Conclusion
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Texture D’Image Méthodes D’analyses de la texture Classification Texturale Mise En Ouvre Conclusion

17 Composition colorée des trois canaux (TM1, 3, 4 du 15 mars 1993)
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion Composition colorée des trois canaux (TM1, 3, 4 du 15 mars 1993) Conclusion

18 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion Canal 1 Image satellitaire Canal 2 Télédétection & Imagerie Canal 3 Composotion Mise En Ouvre Le canal TM4 est utilisé pour extraction des paramètres de textures issues de la matrice de cooccurrence. Conclusion

19 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion Différents Classes De L’Image Télédétection & Imagerie Mise En Ouvre Conclusion

20 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion Indice texturaux issue par la matrice de cooccurrence Images TM1.3.4 Composition Colorée Télédétection & Imagerie Amélioration Echantionnage Apprentissage Classification

21 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée 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 : 03 Nombre de neurone de la couche cachée : 12 Nombre de neurone de la couche de sortie :10 Nombre d’itération : itération. Le seuil d’activation : 0.03 Le pas d’apprentissage : 0.5 Télédétection & Imagerie Mise En Ouvre Conclusion

22 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion Télédétection & Imagerie Taux de classification : 96,75% Conflits: urbain dans sebkha1 Conclusion

23 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion Télédétection & Imagerie Mise En Ouvre Conclusion

24 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion Classification normale avec la donnée texturale  Nombre de neurone de la couche d’entrée : 08 Nombre de neurone de la couche cachée : 12 Nombre de neurone de la couche de sortie :10 Nombre d’itération : itération. Le seuil d’activation : 0.03 Le pas d’apprentissage : 0.5 Télédétection & Imagerie Mise En Ouvre Conclusion

25 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion 8eme Essai: La taille de la fenêtre 5*5, pas de déplacement : 01, angle d’orientation : 90°. Télédétection & Imagerie Taux de classification : 98,83% Conflits: La diminution entre urbain & sebkha1 Foret et la classe urbain Mise En Ouvre Conclusion

26 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion Télédétection & Imagerie Mise En Ouvre Conclusion

27 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion 11eme Essai: La taille de la fenêtre 5*5, pas de déplacement : 01, angle d’orientation : 135°. Télédétection & Imagerie Taux de classification : 98,42% Conflits: Diminution du conflit entre urbain & sebkha1 Urbain & la classe jachère Foret dans la classe urbain Mise En Ouvre Conclusion

28 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion Télédétection & Imagerie Mise En Ouvre Conclusion

29 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion La classification normale sans extraction des paramètre texturaux 96,75% Télédétection & Imagerie La classification normale avec extraction des paramètre texturaux (d=1; 5*5; 90°;135°) Mise En Ouvre 98,83% , 98,42% la comparaison enregistre une amélioration de 2,08% Conclusion

30 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats 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). Télédétection & Imagerie Mise En Ouvre Conclusion

31 Télédétection & Imagerie
Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion Perspective distance minimale, K plus proche voisins Séparateur à vaste Marge SVM les algorithmes génétiques la transformation en ondelettes Télédétection & Imagerie Mise En Ouvre Autres Types d’image a différentes résolution et issues d’autre types de capteurs Conclusion

32 Merci Pour votre Attention


Télécharger ppt "Classification Multi Source En Intégrant La Texture"

Présentations similaires


Annonces Google