M´ethodes d’extraction d´edi´ees aux s´equences d’images satellitaires

Les int´erˆets des s´equences d’images satellitaires sont bien diff´erents des vid´eos et ont amen´e d’autres types d’analyse et de moyens d’extraction. Tout d’abord, ces s´equences ne contiennent pas beaucoup d’images `a cause de la faible couverture spatio-temporelle des satellites d’acquisition. D’autre part, les images sont align´ees durant la construc- tion des s´equences et par cons´equent le mouvement y est inexistant. De ce fait, beau- coup d’´etudes se sont focalis´ees sur la d´etection des changements entre deux images cons´ecutives, puisque les changements sont importants dans des applications de suivi telles que la surveillance de l’environnement et des forˆets, le contr ˆole de l’agriculture et l’extension des zones urbaines. La d´etection de changements consiste `a construire une carte spatiale pr´esentant les pixels ayant ´evolu´es ou non. Beaucoup de m´ethodes de d´etection de changements ont ´et´e appliqu´ees aux images Radar `a Synth`ese d’Ouverture (RSO). De plus, les ´etudes ont ´et´e pouss´ees sur la d´etection automatique, pour tirer parti au mieux de l’´enorme quantit´e d’images.

Nous trouvons les m´ethodes par analyse en composantes principales, o `u les changements apparaissent sur les composantes de faible ´energie. Bovolo & Bruzzone (2005) pr´esentent une m´ethode fond´ee sur la diff´erence des log-images, o `u cette image diff´erence est ana- lys´ee par une d´ecomposition en ondelettes. Ensuite chaque pixel est classifi´e en fonc- tion de plusieurs ´echelles et en comparant ces statistiques locales aux statistiques glo- bales. Cette m´ethode permet de prendre en consid´eration l’´echelle des objets de mani`ere automatique. Bazi et al. (2005) proposent une approche bay´esienne, en mod´elisant l’ap- partenance d’un pixel `a une des deux classes par des m´elanges de lois statistiques. Ces m´ethodes sont sp´ecifiques aux images RSO, puisqu’elles int`egrent le d´ebruitage du spe-

2.4. EXTRACTION D’INFORMATION DES DONNEES COMPRESS´ EES´ 23

ckle tout en limitant la perte de pr´ecision g´eom´etrique dans l’image. D’autres approches consistent `a comparer les segmentations des images op´er´ees aux deux instants. Giros (2006) propose une m´ethode permettant d’inf´erer une segmentation commune `a deux ou plusieurs segmentations. En comparant la segmentation commune aux autres segmen- tations, les changements peuvent ˆetre d´etect´es. Seulement, ces m´ethodes sont limit´ees par la dimension temporelle et ne permettent pas une extraction d’information pour la gestion d’une base de s´equences multitemporelles d’images. En outre, ces m´ethodes d´etectent les changements abrupts et non les changements progressifs qui s’op`erent sur plusieurs images.

Beaucoup de m´ethodes qui essaient de mod´eliser les changements progressifs dans les s´equences ne prennent pas en compte la dimension spatiale. Par exemple, Aurdal et al. (2005) utilisent les chaˆınes de Markov cach´ees pour mod´eliser une certaine ´evolution contrainte par la ph´enom´enologie. Sur le mˆeme principe, Kawamura et al. (2004) d´ecrivent comment extraire des r`egles de d´ependances temporelles `a partir d’une s´emantique spa- tiale. Encore, Jing et al. (2005) utilisent l’´evolution de l’Indice de V´eg´etation Diff´erentiel Normalis´e (IVDN) pour le suivi des zones agricoles. Cet indice est surtout utilis´e dans les images multi-spectrales de faible r´esolution. Finalement, Heas & Datcu (2005) d´ecrivent une m´ethode plus complexe pour l’extraction d’information dans les STIS `a haute r´esolu- tion o `u les informations spatiale et temporelle sont utilis´ees conjointement. Ils proposent une m´ethode bay´esienne o `u plusieurs niveaux d’information sont extraits. En particulier ils se placent dans le concept de la fouille d’information et proposent une mod´elisation hi´erarchique qui va des donn´ees vers l’utilisateur. Nous pr´esentons uniquement l’extrac- tion d’information non supervis´ee qui constitue la premi`ere brique du syst`eme. Cette extraction est l’inf´erence de graphes qui mod´elisent des trajectoires de clusters (cf.§2.5.2) dynamiques qui codent les structures spatio-temporelles. Cette mod´elisation exploite la constatation que l’analyse doit ˆetre temporellement et spatialement localis´ee. Ainsi, les structures spatio-temporelles sont d´ecrites par des mod`eles param´etriques et des m´elanges de lois. Ensuite, pour prendre en compte l’´evolution dans les STIS, les struc- tures sont reli´ees temporellement `a l’aide de graphes.

Ce mˆeme genre d’id´ee a ´et´e repris dans ce travail (Gueguen et al., 2006). Dans cet article, deux approches sont compar´ees. La premi`ere approche essaie de regrouper des trajec- toires de r´egions, o `u la similarit´e est fond´ee sur l’information de texture. L’autre approche mod´elise l’´evolution de r´egions spatiales pr´ed´efinies en se basant sur une segmentation commune `a toutes les images (Giros, 2006).

2.4

Extraction d’information des donn´ees compress´ees

En parall`ele des ´etudes sur la fouille de donn´ees, le domaine de la compression d’ima- ges et des vid´eos s’est largement d´evelopp´e pour r´epondre aux besoins d’´echange sur des canaux `a capacit´e limit´ee et aux besoins de stockage. Avec l’accroissement des bases d’images et de vid´eos, cet int´erˆet s’est av´er´e encore plus important. En effet de nos jours, il est rare de trouver une image/vid´eo sous forme d´ecompress´ee. Ainsi, de nombreuses ´etudes se sont pench´ees sur l’extraction d’information dans les donn´ees compress´ees. Le probl`eme se complexifie, car pour gagner en temps de calculs, il faut extraire l’informa- tion sans d´ecompresser totalement l’objet cod´e. Nous pr´esentons, l’extraction d’informa- tion dans le texte compress´e qui f ˆut au point de d´epart de la probl´ematique. Ensuite, nous discutons des m´ethodes d’extraction d’information des images et vid´eos compress´ees.

24 2. RECHERCHE PAR LE CONTENU DANS LES ARCHIVES DE DONNEES´ quantification transformation codeur image code primitives extraction des primitives

FIG. 2.5 –Cet organigramme pr´esente la proc´edure de compression avec pertes d’images et l’ex- traction d’information. Nous observons que le code et les primitives sont deux objets dissoci´es. De plus si les primitives ne sont pas calcul´ees, il faut d´ecoder et obtenir la transform´ee pour extraire l’information.