Classification Multi Source En Intégrant La Texture Des Données Optiques En Intégrant La Texture Présenter Par: BOUDALI Nourredine
Télédétection & Imagerie Conclusion & Perspectives Plan De Travail Télédétection & Imagerie Approche Utilisée Mise En Ouvre Mise En Ouvre Conclusion & Perspectives Conclusion
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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 : 50000 itération. Le seuil d’activation : 0.03 Le pas d’apprentissage : 0.5 Télédétection & Imagerie Mise En Ouvre Conclusion
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
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
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 : 50000 itération. Le seuil d’activation : 0.03 Le pas d’apprentissage : 0.5 Télédétection & Imagerie Mise En Ouvre Conclusion
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
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
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
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
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
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
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
Merci Pour votre Attention