Application d’algorithmes d’extraction de la couleur et des textures à partir d’images aériennes dans le contexte de l’extraction de bâtiments pour supporter le peuplement des bases de données géospatiales à représentation multiples SIG: GIS Geographic Information System Approche multidimensionnelle: Multidimensional Approach Analyses spatio-temporelles: Spatiotemporal Analysis Zakaria Mabed Université de Marne la Vallée École Nationale des Sciences Géographiques (France) UNIVERSITÉ LAVAL

Introduction Ce projet de stage s’inscrit dans le cadre des travaux de Doctorat de Benoît Frédéricque Objectif général du Doctorat Réduction des interventions de l’opérateur dans le processus de peuplement des bases de données 3D à représentation multiple (BDRM-3D) Moyens: Implication explicite de connaissances a priori dans le processus Exploitation du concept de Instance Driven SASS Objectif spécifique du stage avoir un ou plusieurs algorithme(s) performants qui extraient le contour des bâtiments en connaissant a priori leurs couleurs et éventuellement leurs textures

Organisation du projet de stage Objectif spécifique du stage avoir un ou plusieurs algorithme(s) performants qui extraient le contour des bâtiments en connaissant a priori leurs couleurs et éventuellement leurs textures Problématiques: Quelles sont les différentes méthodes d’exploitation de la couleur? Est-ce que la couleur peut aider l’extraction des contours? Est-ce que la couleur apporte une contribution supplémentaire aux approches traditionnelles d’extraction de contour?

Organisation du projet de stage Le stage se divise en 2 parties : État de l’art des algorithmes de segmentation d’images en couleur (mars -> avril) Définition des espaces de couleur les plus appropriés Sélection des méthodes les plus en adéquation avec le contexte général du projet (méthodes simples, robustes, rapides, …) Développement et tests (mai -> août) Réalisation d’une application logicielle impliquant les méthodes de segmentation sélectionnées Réalisation d’un banc d’essai sur des jeux de données représentatifs (images satellitaires Quickbird et Ikonos)

Choix d’un espace colorimétrique Différents espaces colorimétriques L’espace Rouge Vert Bleu (RVB) Il est basé sur la trichromie C’est le plus utilisé Les espaces Lab et Luv L désigne la luminance et a,b et u,v la couleur Ce sont des espaces uniformes : Les couleurs sont différenciée de la même manière que par notre oeil L’espace Teinte Saturation Luminance (TSL) C’est l’espace le plus perceptuel L’espace TSL est le plus intéressant car c’est le plus perceptuel et la teinte est indépendante de certains effets d’ombrage et certains effets spéculaires

Exemple : Teinte Saturation Luminance Image Originale Teinte Saturation Luminance

État de l’art: la segmentation couleur Exploitation de la librairie OpenCv d’Intel Nombreuses fonctions utiles Détection de contours (Sobel, Canny, …) Détection de coins Segmentation d’images (hiérarchique exploitant la couleur, k-means, …) Fonctions de morphologie mathématique (érosion, ouverture, …) Fonctions de filtrage Fonctions de transformation d’espace de couleur Recherche dans la littérature « Color Image Segmentation: A State-of-the-Art Survey » (L. Lucchese and S.K. Mitra) Méthodes utilisant un espace de caractéristiques Méthodes travaillant directement sur l’image Méthodes basées sur des modèles physiques

État de l’art: la segmentation couleur Approches retenues pour l’instant Librairie OpenCv d’Intel Fonctions de transformation d’espace de couleur Détection de contours Sobel (niveaux de gris et espace couleur) Détection de coins Fonctions de morphologie mathématique « Color Image Segmentation: A State-of-the-Art Survey » (L. Lucchese and S.K. Mitra) Méthodes travaillant directement sur l’image segmentation par croissance de régions Méthodes basées sur des modèles physiques calcul de quasi invariants aux effets spéculaires et d’ombrage

Évaluation des résultats Établir des critères pour choisir les algorithmes les plus adaptés à l’objectif final temps de calcul Simplicité des réglages Robustesse … Comparer les contours extraits avec les algorithmes exploitant la couleur avec des données vectorielles (« vérité terrain ») Qualité de chaque méthode individuelle Comparer les contours extraits avec chacun des algorithmes exploitant la couleur Performance relative de chaque méthode Comparer les contours extraits avec les algorithmes exploitant la couleur avec les contours extraits avec des méthodes ne l’exploitant pas Apport de la couleur

Quelques résultats Application du filtre Sobel à l’image en niveaux de gris (Composante Intensité) puis seuillage Application du filtre Sobel à l’image de Teinte puis seuillage

Textures ? Pour l’instant le travail se fait surtout sur la couleur mais de nombreux algorithmes combinent couleur et texture Les toits des bâtiments sont très peu texturés recherche sur l’absence de texture? Exploitation de la texture présente dans l’environnement?

Merci de votre attention Questions?