Laboratoires d’accueil

Présentation du sujet
Mission effectuée
Conclusion

AGAT - Approches hiérarchiques et gestion de l’incertitude

pour l’analyse d’images de télédétection

Tianatahina Jimmy Francky RANDRIANASOA

Encadrants :

Nicolas PASSAT (CReSTIC, EA 3804)

Eric DESJARDIN (CReSTIC, EA 3804)
Pierre GANCARSKI (ICube)

26 Juin 2014

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 1

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Laboratoire CReSTIC EA 3804 - Centre de Recherche en Sciences et

Techniques de l’Information et de la Communication

Date de création: 2004

Objectif: fédération et assurance de la visibilité de la recherche en STIC au
niveau de l’Université de Reims Champagne-Ardenne (URCA)
Disciplines: automatique, informatique, signal et Image, télécommunication et
microélectronique
Groupes de recherche: SIC, Auto, SysCom
Rattachement: Ecole Doctorale ”Sciences Technologies Santé”, pôle
”Mathématique et SIC”
Membres: 72 enseignants-chercheurs (24 Professeurs et 48 Maîtres de
Conférences dont 3 HDR), 54 Doctorants, 7 Post-doctorants et 6 IATOS

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 2

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Laboratoire ICube UMR 7357 - Laboratoire des sciences de l’Ingénieurs, de

l’Informatique et de l’Imagerie

Date de création: 2013

Origine: fusion de 4 laboratoires de recherches (LSIIT UMR 7005, InESS UMR
7163, IMFS FRE 3240 et l’équipe imagerie in Vivo du LINC UMR 7237)
Objectif: regroupement des moyens de recherche du site de Strasbourg dans les
domaines des sciences de l’information et des sciences de l’ingénieur
Disciplines: informatique, robotique, biophysique, microélectronique, photonique,
mécanique, traitement d’images
Domaines d’application privilégiés: santé et environnement
Membres: près de 230 permanents dont environ 200 chercheurs,
enseignant-chercheurs et ingénieurs de recherche

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 3

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Cadre de travail

Environnement technique
Réseau d’ordinateurs multi-boot
Espace de stockage robuste et centralisé
Environnement de développements: Java, Eclipse, Redmine
Possibilité de temps de calcul sur le Calculateur ROMEO

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 4

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

AGAT - Approches hiérarchiques et gestion de l’incertitude pour l’analyse

d’images de télédétection

Objet
Suivi et observation de l’évolution de l’environnement d’un territoire

Télédétection
Acquisition d’images
Obtention d’informations géographiques
A distance

Problématique
Révolutions technologiques au niveau de la télédétection
Augmentation du nombre de capteurs d’acquisition
Amélioration des capteurs

Emergence du phénomène de ”big data” ⇒ certaines méthodes deviennent obsolètes

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 5

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

AGAT - Approches hiérarchiques et gestion de l’incertitude pour l’analyse

d’images de télédétection

Objectifs du sujet
Développement de stratégies hiérarchiques originales en morphologie
mathématique
Intégration de mécanismes de gestion de l’imperfection, et de la temporalité des
données dans les processus d’analyse
Développement d’outils logiciels en SIG pour le suivi de territoire

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 6

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Etat de l’art

Approches hiérarchiques
Organisation des entités (spatiales, conceptuelles, sémantiques) selon différents
niveaux de hiérarchies
L’image en tant que hiérarchie
Hiérachie d’échelles
Hiérarchie de résolutions
Hiérarchie de concepts

Gestion de l’imperfection
Imperfection des données
Incertitude
Imprécision
Outils mathématiques
Probabilité
Sous ensembles flous
Fonction de croyance

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 7

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Proposition

Hypothèse
Amélioration de la segmentation par:
obtention d’un meilleur arbre de partition
utilisation d’images multi-temporelles
intégration de l’incertitude

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 8

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Arbre Binaire de partition

Définition
Représentation structurée des régions contenues dans une image.
Feuilles: pixels (régions initiales)
Noeuds: fusions paire à paire des régions voisines
Racine: Partition englobant toutes les régions de l’image

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 9

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Graphe d’Adjacence de Régions

Illustration des adjacences entre les régions voisines

chaque sommet correspond à chaque région
chaque arête correspond à chaque relation d’adjacence entre deux régions
chaque arête est associé à un score d(Ri , Rj ) correspondant à la distance entre
deux régions voisines Ri et Rj

d(Ri , Rj ) = α dcolor (Ri , Rj ) + (1 − α) dspatial (Ri , Rj )

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 10

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Algorithme de création d’un Arbre Binaire de partition

Notions importantes
Approche ascendante (des feuilles vers la racine)
Modéle de fusion MR (par exemple vecteur de 3 attributs RGB)
Ordre de fusion O(Ri ,Rj ) où Ri et Rj sont des régions voisines

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 11

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Algorithme de création d’un Arbre Binaire de partition

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 12

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Algorithme de création d’un Arbre Binaire de partition

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 13

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Algorithme de création d’un meilleur Arbre Binaire de partition

Condition d’arrêt
Liste L vide ⇒ Obtention de la racine

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 14

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Obtention d’un meilleur arbre binaire de partion à partir de N images

Objectif
Tirer partie des informations de chaques images ⇒ obtention d’un arbre binaire de
partition

Problématique
Comment faire collaborer les informations de chaque image?

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 15

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Obtention d’un meilleur arbre binaire de partion à partir de N images -

Première possibilité

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 16

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Obtention d’un meilleur arbre binaire de partion à partir de N images -

Deuxième possibilité

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 17

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Obtention d’un meilleur arbre binaire de partion à partir de N images -

Deuxième possibilité

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 18

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Obtention d’un meilleur arbre binaire de partion à partir de N images -

Deuxième possibilité

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 19

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Obtention d’un meilleur arbre binaire de partion à partir de N images

Consensus
Vote majoritaire
Moyenne
Adaptation des approches de fusion existantes

Principale difficulté
Mise en place d’un mécanisme de concensus intelligent
Minimisation du coût de l’algorithme

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 20

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Bilan
Travail effectué
Compréhension par les lectures d’articles fournis des domaines abordés (Arbres
binaires de partition, Gestion des connaissances imparfaites, Images de
télédétection) (environ 8 semaines - Rédaction d’un bilan de lecture)
Adaptation de la structure d’un code existant sur la création d’arbre binaire de
partition (environ 2 semaines)
Approche d’obtention d’un meilleur arbre binaire de partition à partir de N images
(environ 3 semaines)
Mise en place d’un travail collaboratif (CReSTIC, ICube, LIPADE) par:
Participation à une réunion de travail durant 2 jours à Strasbourg
Séminaire CReSTIC
Echange sur le code de Camille Kurtz

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 21

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Perspectives
Mise en place du mécanisme de consensus
Plus de gestion d’imprécision au niveau de la segmentation
Prise en compte d’un hyper arbre de décision lors des décisions trop divergentes

Expériences et ressentis
Découverte du monde de la recherche
Interaction avec plusieurs personnes de différentes cultures
Candidature à un sujet de thèse au sein de l’Ecole Doctorale de l’Université Reims
Champagne-Ardenne

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 22

 Laboratoires d’accueil
Présentation du sujet
Mission effectuée
Conclusion

Merci de votre attention!

Tianatahina Jimmy Francky RANDRIANASOA Analyse et traitement d’images de télédétection - page 23