Nous vous rappelons que, afin de garantir l'accès de tous les inscrits aux salles de réunion, l'inscription aux réunions est gratuite mais obligatoire.
Inscriptions closes à cette réunion.
22 personnes membres du GdR ISIS, et 14 personnes non membres du GdR, sont inscrits à cette réunion.
Capacité de la salle : 150 personnes.
Invitation à la Journée "Fusion des données en télédétection"
La multiplication des capteurs, aussi bien radar qu'optique, de données externes comme les données GPS, ou contenues dans un SIG, appelle au développement de méthodes permettant d'exploiter conjointement les différentes sources.
Le thème de la fusion d'informations a déjà fait l'objet d'une action plus générale dans le cadre du Thème B du GdR ISIS, mais nous proposons une journée axée sur les problématiques spécifiques à la télédétection suivantes :
La journée comportera des "exposés" sur proposition des communautés signal/image et télédétection et géomatique.
Les membres du GdR sont priés de s’inscrire sur le site
Toute autre personne intéressée par cette journée est invitée à contacter les organisateurs.
Florence Tupin : florence.tupin@telecom-paristech.fr
Emmanuel Trouvé : emmanuel.trouve@univ-savoie.fr
Stéphane May : stephane.may@cnes.fr
9h30 - Approche hybride pour faire du pansharpening d'images hyperspectrales basé sur NLPCA
G. Licciardi (GipsaLab)
10h00 - Classification de scènes de végétation par imagerie hyperspectrale et imagerie SAR polarimétrique
A. Alakian (ONERA)
10h30 - Sharpening Optique-Radar Polarimétrique, Approche par démélange (Unmixing)
S. Giordano, G. Mercier, JP Rudant (Telecom Bretagne)
11h00 - Pause
11h15 - Vers le stockage et la distribution de plus en plus efficace dans les séries temporelles d'images satellites
D. Marraud (AIRBUS Group Innovations)
11h45 - Mesure de champs de vitesse des glaciers à l'échelle de l'Himalaya grâce à l'archive d'images satellites optiques Landsat
Amaury Dehecq, Emmanuel Trouvé, Noel Gourmelen (LISTIC)
12h15 - Détection de changements dans une base de données d'occupation du sol à partir d'une seule image satellite très haute résolution
Adrien Gressin (IGN)
12h45 - Pause déjeuner
14h00 - Combinaison de modèle physique et données de télédétection pour améliorer la précision de l'information
Yajing Yan (LISTIC)
14h30 - Fusion d'images optique radar de grande taille par méthode crédibiliste
G. Mercier, (Telecom Bretagne)
15h00 - MRF et Dempster-Shafer pour la détection des ombres et végétation simultanée sur des images aériennes à haute résolution
Tran-Thanh NGO (Université de Strasbourg - CNRS, Laboratoire iCube)
15h30 - Pause
15h45 - Influence des connaissances a priori pour l'estimation de la hauteur des arbres en imagerie polarimétrique interférométrique SAR avec le modèle RVoG
A. Roueff (Institut fresnel)
16h15 - Détection de changement et Fusion sur des images SAR de résolutions et de modes polarimétrique différents
E. Koeninger (ONERA)
16h45 - Discussion et clôture de la journée
G. Licciardi (GipsaLab)
Hyperspectral images have a higher spectral resolution (i.e., a larger number of bands covering the electromagnetic spectrum), but a lower spatial resolution with respect to multispectral or panchromatic acquisitions. For increasing the capabilities of the data in terms of utilization and interpretation, hyperspectral images having both high spectral and spatial resolution are desired. This can be achieved by combining a high spatial resolution panchromatic image with a hyperspectral one and such operation is generally known as pansharpening. However, many of the methods proposed in the literature are considered adequate when applied to multispectral images, but have many drawbacks when the low-resolution image is a hyperspectral image such as the introduction of significant spectral distortions. In particular, one of the main challenges in image pansharpening is to improve the spatial resolution while preserving as much as possible of the original spectral information. Moreover, due to the greater number of bands with respect to multispectral images, the application of a pansharpening technique to hyperspectral images may be computationally prohibitive. An effective solution to these problems has been found in performing the pansharpening operation in a low dimensionality feature space. In particular, this approach i) projects the hyperspectral image into a lower dimensional feature space by means of nonlinear principal component analysis (NLPCA), ii) injects the spatial details of the panchromatic image into one or more nonlinear components, and iii) reprojects the spatially enhanced image back into the original spectral space. This method, based on the use of the nonlinear generalization of the Principal Component Analysis, permits to enhance the spatial resolution of the hyperspectral image without relevant spectral distortions and on the same time to reduce the computational load of the entire process. In this work we analyze the performances of hyperspectral pansharpening in the feature space, with regards to the fusion approach. In particular we focus on the investigation of the overall impact of several widely used pansharpening algorithms applied in the feature space. The results obtained on both synthetic and real data demonstrate that, an accurate selection of the pansharpening method can lead to an effective improvement of the enhanced hyperspectral image in terms of spectral quality and spatial consistency, as well as a strong reduction in the computational time.
A. Alakian (ONERA)
Nos travaux visent à exploiter les complémentarités de l'imagerie SAR polarimétrique et de l'imagerie hyperspectrale pour classifier des scènes de végétation. L'étude se focalise sur l'utilisation de données acquises sur le site de Nîmes-Garons (France) lors de la campagne ENVIRO (ONERA) en octobre 2011. La méthode de classification proposée se décompose en trois étapes : une segmentation de la scène en régions homogènes, une caractérisation des régions obtenues à partir d'attributs hyperspectraux et SAR, et un processus de décision. Les attributs discriminants sélectionnés exploitent les informations issues des deux capteurs et sont dédiés aux classes observées. L'application sur les données ENVIRO conduit à une amélioration significative des performances de classification en combinant les deux capteurs plutôt qu'en utilisant chaque capteur seul.
Sébastien Giordano (IGN/Ecole Nationale des Sciences Géographiques, IGN/MATIS), Grégoire Mercier (Institut Mines-Telecom / Telecom Bretagne), Jean-Paul Rudant (Université Paris-Est, Marne la Vallée)
Nous proposons un algorithme de démélange des données radar polarimétrique avec des données optiques mieux résolues. Le démélange est effectué sur la matrice de covariance radar. Nous faisons l'hypothèse que plusieurs types de diffuseurs (correspondant à plusieurs types d'occupation du sol) sont présents dans les cellules de résolution radar candidates au démélange. Les équations utilisées ont été mises au point à partir des hypothèses et de la démonstration de Goodman sur les statistiques du speckle, dans le cas où des familles de diffuseurs différents sont présentes. Le résultat montre que le mélange de la matrice de covariance peut être écrit de façon linéaire en fonction d'un paramètre de mélange (proportion de diffuseurs élémentaires de chaque type). Cet algorithme a été testé dans le cas à 2 classes : Sol Nu / Forêt sur des données Radarsat-2 complètement polarimétriques et optiques aériennes (prises de vues IGN). La donnée optique nous fournit une estimation de la proportion de diffuseurs de chaque classe. Puis le système d'équations de démélange est résolu localement par moindres carrés. En sortie, deux matrices de covariance sont produites correspondant à l'information polarimétrique du sol nu et de la forêt. Grâce à cette approche l'information polarimétrqiue est décomposée sur une base représentant les types d'occupation du sol avant d'en dériver des paramètres polarimétriques. L'évaluation vise à montrer que le produit démélangé fournit de meilleures décisions pour la classification d'occupation du sol.
D. Marraud (AIRBUS Group Innovations)
Towards efficient storage and distribution of ever increasing satellite time series
The possibilities for today’s and tomorrow’s satellite constellations to capture multiple observations of the Earth surface with shorter and shorter revisit times and higher and higher spectral and spatial resolutions open huge opportunities in terms of local time series analytics. In order to enable the exploitation of these huge volumes of data however, the challenging problem of their efficient storage, browsing, and distribution has to be solved. As an example, for the Sentinel 2 constellation only, several thousands of terabytes are expected to be captured over a period of 10 years.
Current solution to satellite image data archiving consists in storing raw data on tertiary storage (tapes, optical disks...) and process the requested products on demand only. This means that only accessing a time sequence of a given region on Earth requires accessing all the necessary tapes, extract each relevant block of data, process them and make them available, which might take at least hours if not days. Such very long access times constitute a clear hindrance to the wide use of available data.
Airbus Group Defence and Space is interested in identifying and developing data fusion and indexing techniques allowing to considerably reduce these access times and as a consequence foster time series analytics. In practice, the proposed work will aim at defining an efficient representation and indexing structure of a geo-referenced, incrementally increasing, multi-temporal and multi-spectral satellite image database with the double challenges of:
Already identified techniques of interest will be described and main challenges highlighted to encourage potential collaborations with the GDR ISIS community.
Amaury Dehecq (1,2), Emmanuel Trouvé (1), Noel Gourmelen (2)
(1) LISTIC, Université de Savoie, Annecy-Le-Vieux, France
(2) School of Geosciences, University of Edinburgh, UK
Les glaciers de montagne sont des indicateurs pertinents du changement climatique et ont des impacts importants sur les populations locales. Pour ces raisons, il est important de quantifier leur évolution sur les dernières décennies et d'évaluer leur dynamique future. Les études récentes se sont focalisées sur des régions restreintes et sur des périodes de temps très courtes, alors que la diversité des glaciers de montagne nécessite de travailler à une échelle globale et sur une période significative par rapport à la variabilité climatique.
L'archive de données satellites d'observation de la Terre, avec sa couverture quasi globale et sa continuité d'acquisition représente un atout énorme pour résoudre ce problème, en particulier pour estimer les champs de vitesse des glaciers par corrélation d'images. Nous nous sommes intéressés à l'ensemble de l'archive pour la région de l'Himalaya (environ 1000km par 3000km) de la série des satellites Landsat, qui ont acquis des images optiques multi-bandes de la surface de la Terre de manière globale et continue de 1972 à aujourd'hui avec une résolution moyenne (15 à 60m). Une telle richesse d'information représente des défis méthodologiques importants. Premièrement, pour traiter une masse aussi importante de données (plus de 8000 images, 4To), il est nécessaire d'avoir un traitement le plus automatique possible et des moyens de calcul importants. Nous avons donc développé, à partir de précédentes études, un algorithme de corrélation d'images permettant de déterminer au mieux les champs de vitesse de glaciers à partir des images Landsat qui ne soit pas trop couteux en temps. Deuxièmement, une telle série de données contient des informations redondantes mais de qualité variable, il est donc nécessaire de fusionner les résultats de manière appropriée. Nous montrerons qu'il est possible d'améliorer la précision de la mesure en utilisant des séries de paires d'images similaires tout en préservant la variabilité temporelle du phénomène étudié.
Adrien Gressin (IGN/SRIG-MATIS, Université Paris-Descartes/LIPADE), Nicole Vincent (Université Paris-Descartes/LIPADE), Nicolas Paparoditis et Clément Mallet (IGN/SRIG-MATIS)
Nous proposons une méthode de détection de changements dans une base de données d'occupation du sol à partir d'une unique image satellite très haute résolution. La méthode se base sur une inspection hiérarchique de la base de données permettant d'appréhender au mieux l’apparence de chaque objet de chaque classe/thème de la BD. Dans un premier temps, un grand nombre d'attributs sont calculés et ceux permettant de discriminer au mieux chacun des thèmes de la BD sont sélectionnés. Une multitude de classifications binaires (thème / non-thème) sont réalisées à partir de ces attributs, puis ces classifications sont fusionnées au niveau des thèmes. Enfin une décision est prise au niveau de la BD. Ainsi, notre méthode fournit une nouvelle classification intégrale de la zone et une carte de changement pondérée par une valeur de confiance. En ajout à la problématique standard de détection de changements/ mise à jour, la méthode permet également de compléter une base de données si celle-ci possède des zones non-couvertes initialement. La méthode a été appliquée à un jeu de données "générées", composée de morceaux d'image Pléiades, afin d'évaluer conjointement sa robustesse en terme de détection de changement et en terme de complétion. Les résultats ont été favorablement comparés à deux méthodes de l'état-de-l'art (SVM multi-classes et Forêts-Aléatoires). Par ailleurs, nous prévoyons d'appliquer notre méthode sur plusieurs jeux de données différents afin de montrer l'indépendance de notre méthode tant à la base de données à mettre à jour (différentes nomenclatures, différentes échelles) qu'aux données utilisées pour la mise à jour (données optiques à différentes résolutions, multi-temporelles, données RADAR ou LIDAR).
Yajing Yan (LISTIC)
La combinaison de modèle physique et données de télédétection fait l'objet de nombreux d'études. Dans cet exposé, je vais vous présenter la combinaison de modèle physique et données de télédétection dans 3 cas différents :
L'intérêt d'exploiter à la fois l'information apportée par le modèle et celle fournie dans les données au niveau de l'amélioration de la précision de l'information cherchée sera mis en évidence à travers les illustrations dans ces 3 cas différents.
Imen Hammami, Grégoire Mercier (Telecom Bretagne)
Nous nous intéressons principalement au problème de l'estimation des fonctions de masses dans les méthodes de classification crédibilistes (fondées sur la théorie de Dempster-Shafer ou Dezert-Smarandache). Pour ce faire, nous adoptons un point de vue essentiellement géométrique par projection de l'espace de représentation initiale des images vers un espace à deux dimensions uniquement, en utilisant une carte de Kohonen. Ces considérations géométriques permettent de construire des fonctions de masse pour des hypothèses simples et composées (de type conjonctif et disjonctif, ce qui n'a pas d'équivalent à notre connaissance). Ce point de vue à notamment l'avantage d'être extrêmement rapide et permet de construire des fonctions de masses dans un temps raisonnable à partir d'images de grandes tailles. Des comparaisons avec des méthodes de la littérature montrent de la technique proposée et jusqu'à 150 fois plus rapide avec des résultats équivalents.
Tran-Thanh NGO, Christophe Collet, Vincent Mazet (Université de Strasbourg - CNRS, Laboratoire iCube)
In recent years, the effects of natural catastrophes and human activities have emphasized the need for developing a broader view of the Earth's surface. According to cartographic experts, shadow and vegetation can provide additional geometric and semantic clues about the state of buildings after natural catastrophes. Current shadow/vegetation detection methods in the literature detect separately shadow regions and vegetation regions. The drawback of these methods is that, for example, a vegetated pixel covered by shadow can be classified as vegetation (by a vegetation detection algorithm), and at the same time as shadow (by a shadow detection algorithm). Thus, these methods can not provide a sufficiently good segmentation map. In fact, visual inspection also has a similar problem since the pixel information is imprecise and uncertain. In this context, we present a new method for simultaneously detecting shadows and vegetation in remote sensing images, based on Otsu's thresholding method and Dempster-Shafer fusion which aims at combining different shadow indices and vegetation indices in order to increase the information quality and to obtain a more reliable and accurate segmentation result. The notion of mass functions , in the Dempster-Shafer evidence theory is linked to the Gaussian distribution, and the DS fusion, which is carried out pixel by pixel, is incorporated in the Markovian context while obtaining the optimal segmentation with the energy minimization scheme associated with the Markov random field.
A. Roueff (Institut fresnel), Ph. Réfrégier (Institut fresnel), A. Arnaubec (IFREMER), P.C. Dubois-Fernandez (ONERA)
L'imagerie SAR polarimétrique et interférométrique (PolInSAR) permet d'analyser certaines propriétés des milieux diffusants illuminés. Depuis une dizaine d'années, il a été montré au cours de différentes campagnes de mesures qu'il est en effet possible d'estimer la hauteur de végétation à partir de données PolInSAR avec un modèle simple d'interaction de l'onde électromagnétique avec le milieu éclairé (le modèle «Random Volume over Ground», RVoG). Ce modèle comprend cependant une vingtaine de paramètres inconnus que l'on doit estimer à partir des mesures PolInSAR. Différents travaux permettent de décrire avec un nombre plus réduit de paramètres les milieux diffusants avec lesquels l'onde électromagnétique interagie.Ces modèles contraints consistent à réaliser des hypothèses sur la symétrie du milieu ou sur la forme des diffuseurs élémentaires. Ils peuvent ainsi permettre, par exemple, de passer de 20 à 9 paramètres. Récemment la précision des estimateurs des paramètres de la végétation à l'aide de techniques PolInSAR et avec le modèle RVoGa été analysée à l'aide de la borne de Cramer Rao (BCR). Les premières études ont montré que le nombre de pixels nécessaire pour atteindre une précision d'estimation de la hauteur de végétation de l'ordre du mètre varie fortement (de 100 à 10000 pixels) notamment en fonction du contraste polarimétrique entre le sol et le volume ainsi qu'en fonction de la hauteur de végétation. Cependant, l'intérêt des modèles contraints d'interaction évoqués ci-?dessus pour accroitre les performances de l'estimation des paramètres de la végétation n'est pas apparu clairement car il existe un très grand nombre de situations physiques différentes.Les résultats récents sur l'invariance des modèles RVoG et de la BCR permettent d'analyser ce problème avec plus de précision ainsi que l'apport d'autre type de connaissance a priori. En effet, il a été montré que la précision des estimations qui est décrite par la BCR ne dépend que de 4 paramètres et,en réalité, essentiellement que de 3. Nous montrerons au cours de l'exposé comment cette réduction de la complexité de la description du problème permet de mieux comprendre l'apport de différents types de connaissances à priori et en particulier des modèles contraints de description de l'onde avec le milieu diffusant.
E. Koeninger (ONERA)
Aujourd'hui, la variété des satellites de télédétection suscite un intérêt croissant à combiner des images acquises dans des modes différents types afin de répondre plus largement aux besoins de renseignement rapide. Dans ce cadre, nous nous intéressons à la faisabilité d'une détection de changement entre une image SAR haute résolution et une image polarimétrique de résolution inférieure. L'intérêt de cette conguration est d'assurer la fonction de base qu'est la détection des changements mais aussi la fonction d'interprétation des changements grâce à l'apport de l'information polarimétrique. L'approche est appliquée au cas d'images en zone urbaine :
Dans le cas des images satellites, l'importance des prétraitements est mis en avant. Pour la détection, l'efficacité d'un paramètre original (Structural Similarity Index) est évalué, conjointement avec d'autres paramètres plus classiquement utilisés en détection de changement.
Date : 2014-04-10
Lieu : Télécom ParisTech (Paris 13e) - amphi Emeraude
Thèmes scientifiques :
B - Image et Vision
Inscriptions closes à cette réunion.
Accéder au compte-rendu de cette réunion.
(c) GdR IASIS - CNRS - 2024.