M2 Informatique IP

Sujet de programmation 3 : Analyse de séries temporelles d'images

Chaque étudiant doit développer une des 2 méthodes (se concerter au

sein du binôme). Les deux méthodes seront développées dans le langage de
votre choix.

Dans les deux cas, il s’agira d’analyser une série temporelle de n images
satellitaires.

Méthode 1 : Decomposition dans un dictionnaire

Une série temporelle de n images satellitaires peut étre représentée comme une
brique dans un espace à 3 dimensions (x,y,t). Chaque pixel sera représenté par
un vecteur à 27 dimensions dont les composantes sont les valeurs de ses 27 plus
proches voisins. La méthode consiste ici à définir un vocabulaire sur la séquence
par un clustering K-Means (par exemple k=1000) en conservant les centres des
clusters comme mots du vocabulaire. Pour une séquence à étudier, on étudie la
loi de Zipf sur les zones homogènes comme des parcelles agricoles que l'on
caractérisera par l'exposant de la loi.

entrée :
- une série temporelle de n images satellitaires

sortie :
- une carte des indices de parcelles

Méthode 2 : Irrégularité d'une croissance de régions

Une série temporelle de n images satellitaires peut être représentée comme une
brique dans un espace à 3 dimensions (x,y,t).
A partir d'une graine, ici un cylindre dont la base est un pixel, et pour chaque
date, on opère une croissance de régions spatiale. On obtiendra une surface dont
on analysera l'irrégularité par analyse du contour apparent.

entrée :
- une série temporelle de n images satellitaires
sortie :
- une image des irrégularités associées à chaque pixel

Pour simplifier le problème, on peut ne pas considérer toutes les valeurs

radiométriques des pixels mais leur valeur de NDVI qui est indice de végétation
calculé comme un ratio de valeurs radiométriques (voir
https://en.wikipedia.org/wiki/Normalized_Difference_Vegetation_Index). Une telle
transformation permettra de considérer les images satellitaires comme des
images à « niveaux de gris » .