4.3.1 Méthodes de suivi et filtrage
Les méthodes de suivi consistent à «suivre» la route en comparant ses caractéristiques avec un modèle théorique (souvent par corrélation des profils radiométriques de la route le long de son axe principal). Leur rôle est principalement d'assister en quasi temps-réel l'opérateur humain lors de la saisie du réseau routier. Les algorithmes de suivi nécessitent des points d’amorce. Ces amorces peuvent soit être sélectionnés manuellement ou automatiquement. De cette manière, alors que dans [Sakoda et al, 1993] les points d’amorce sont définies par l'utilisateur, dans [Zlotnick et Carnine, 1993] un algorithme automatique es t présenté pour choisir ces points.
[Geman et Jedynak, 1996] proposent une approche originale fondée sur la théorie de l'information pour le suivi rapide de routes à partir d'un point d'amorce et d'une direction. Des tests à effectuer sont choisis afin de réduire autant que possible l'incertitude sur l'hypothèse de « position correcte de la route » selon les résultats des premiers tests. Ce choix est effectué de façon dynamique selon la distribution jointe des tests et des hypothèses. Le problème d'optimisation correspond à un problème de minimisation d'entropie. Cette méthode est performante pour ce qui est du suivi des autoroutes sur de grandes distances.
Considérant les routes comme des surfaces sans discontinuité apparente plutôt que des lignes, [Airault et Jamet, 1995][Ruskoné, 1996] proposent d'effectuer un suivi reposant sur un critère d'homogénéité directionnelle. Ce critère est fondé sur une hypothèse de variance minimale dans la direction longitudinale de la route. A partir d'un point et d'une orientation d'origine, l'algorithme recherche le chemin optimal parmi un arbre de chemin possible. Chaque chemin est composé de segments de droite choisis localement suivant le critère d'homogénéité.
[Couloigner et Ranchin, 2000][Péteri et al, 2001] présentent une méthode semi- automatique pour extraire les réseaux routiers urbains par hiérarchie de classes de routes. L'algorithme se focalise sur les réseaux en grille. Il comprend deux étapes. La première étape est l'extraction des deux bords de la route en utilisant les approximations de l'image à différentes résolutions spatiales. Le procédé consiste à rechercher les points d'intersection des profils transversaux de la route sur l'image à la résolution originale et les deux premières approximations. L'utilisateur doit fournir les points d'initialisation et la classe de la route à extraire. L'algorithme suit ensuite la route dans une procédure «estimation recalage» utilisant pour chaque point, supposé appartenir à la route, les profils radiométriques provenant de la décomposition à différentes résolutions. La deuxième étape permet ensuite d'extraire les caractéristiques de la route. Ce procédé itératif utilise à cette étape la transformation en ondelettes pour localisation.
[Tesser et Pavlidis, 2000] propose le RFFES (Road Finder Front End System) : un système complètement automatisé qui identifie les routes de l'imagerie à haute résolution. Récemment, dans [Yoon et al, 2002] une méthode semi-automatique d'extraction des routes qui utilise l'imagerie IKONOS est présenté. En outre récemment, [Baumgartner et al, 2002] et [Zhao et al, 2002] proposent d’autres prototypes d’extraction semi-automatique des axes routiers. Enfin, dans [Bonnefon et al, 2002] l’extraction des routes et des objets linéaires est réalisée à partir d'un ensemble de points d’amorce directionnels et utilisant les valeurs radiométriques des pixels dans le processus de suivi de la route.
Parmi les travaux utilisant des techniques de filtrage, [Chiang et al, 2001] présente une méthode d'extraction de routes qui se repose sur la détection des contours et l'utilisation du filtre de Kalman pour génération du contour actif. [Vosselman et De Knech, 1995] proposent aussi d'utiliser un filtrage récursif de Kalman pour estimer la position de la route à chaque instant. L'algorithme est initialisé par un segment fourni par un opérateur à partir duquel un profil caractéristique de la route est défini. La prédiction d'un nouveau segment se fait à partir des estimations de la direction et la courbure de la route. Une mise en correspondance entre le profil caractéristique de la route et le profil courant permet d'évaluer la distance entre les deux profils. La position du nouveau segment est mise à jour selon cette distance. En incorporant les positions obtenues antérieurement, les autres paramètres tels que la direction et la courbure de la route peuvent être également mis à jour.
4.3.2 Contours Actifs
Les modèles des contours déformables (contours actifs) se basent sur une approche analysée dans [Kass et al, 1987]. En effet, c'est une méthode précise et efficace. Les contours actifs doivent néanmoins être initialisés près de l'objet à détecter. Le contour évolue ensuite selon un algorithme de minimisation d'énergie qui favorise en général une faible courbure et un fort gradient au niveau du contour. Cette méthode est largement utilisée pour la détection et la localisation des frontières afin de faciliter le problème de segmentation d'images, et aussi pour l'extraction des structures telles que les routes et les bâtiments à partir des images en niveaux de gris.
Les contours actifs sont utilisés dans [Cohen, 1991] ainsi que [Gruen et Li, 1997] [Li, 1997] où des méthodes semi-automatiques pour l'extraction d'objets linéaires et l'extraction des routes sont, respectivement, présentées. Plus tard [Zafiropoulos et Schenk, 1998] aborde le problème d'inclure l'information couleur de l'image, provenant des différents canaux dans le modèle déformable de type contour pour l'extraction et la localisation des structures routières de petite largeur. [Mayer et al, 1997,1998] et [Laptev et al, 2000] présentent également l’application du contour actif pour l'extraction d'objets cartographiques. Le dernier papier propose une approche pour l'extraction automatique des routes à partir de l'imagerie aérienne en utilisant les contours actifs avec une stratégie essentiellement basée sur la détection multi- échelle en combinaison avec une contrainte géométrique d’extraction de contour. On trouve aussi les contours actifs dans [Chiang et al, 2001] et d'autres modèles d'énergie dans [Ferraro et al, 1999].
[Fua et Leclerc, 1990] utilisent les contours actifs pour l'extraction des routes et des bâtiments. Les contours sont modélisés par des rubans définis par des points centraux successifs et une troisième composante correspondant à la largeur du ruban. Les auteurs montrent que les courbes optimisées sont de bonnes approximations des contours.
[Neuenschwander et al, 1997] présentent une stratégie d'optimisation originale permettant à l'utilisateur de ne fournir que les extrémités du contour à détecter. Le contour est divisé en deux parties : une active et une passive. Au cours de l'optimisation, seule la partie active prend en compte le potentiel d'attache aux données. La partie active est initialisée au niveau des extrémités du contour et se propage progressivement vers le centre du contour selon le fonctionnement d'une fermeture éclair (ziplock, en anglais).
4.3.3 Programmation dynamique
De nombreux travaux d'extraction de réseaux linéiques reposent sur une optimisation par programmation dynamique, technique efficace permettant d'optimiser une fonction de coût dans un graphe, ce qui revient à la recherche d'un chemin optimal.
Dans [Dal Poz et al, 2000] une méthode semi-automatique pour l’extraction des routes en utilisant la programmation dynamique est présentée. En effet, un modèle générique de route est formulé, et résolu séquentiellement par un algorithme de programmation dynamique. Dans ce travail, quelques points extrémaux décrivant la route doivent être fournis par l'opérateur. De même, ce travail propose une solution pour le problème d'optimisation, qui consiste à chercher le plus court chemin entre deux points d'un objet.
[Fischler et al, 1981] utilisent cette technique d'optimisation pour la détection précise des routes et des structures linéaires dans des scènes rurales. Les auteurs proposent de combiner l'information locale de plusieurs opérateurs de détection de ligne et de contour afin d'établir un masque permettant de restreindre la recherche et de fournir plusieurs cartes de coût définies sur ce masque. L'algorithme de programmation dynamique proposé, appelé F*, est appliqué à chaque carte fournissant plusieurs chemins optimaux. Le chemin de coût normalisé minimal est alors sélectionné. Cet algorithme, référence dans le domaine de l'extraction de réseaux linéiques, donne de très bons résultats sur des images aériennes de faible résolution.
[Merlet et Zerubia, 1996] présentent une amélioration de cet algorithme avec une modélisation sous-jacente par champs de Markov. L'algorithme permet d'obtenir, par construction, des lignes minces et continues. Cette méthode est étendue à des cliques d'ordre supérieur pour tenir compte du contraste route/environnement, et à des voisinages d'ordre supérieur pour introduire la notion de courbure. De plus, un modèle dynamique permet d'utiliser cette information de courbure de manière plus globale et naturelle. La méthode est semi-automatique, où les points de départ de l'algorithme sont définis par l'utilisateur.
[Gruen et Li, 1995] proposent un schéma d'extraction de routes semi-automatique qui combine une transformée en ondelettes et un algorithme de programmation dynamique. La transformée en ondelettes adaptée aux caractéristiques radiométriques de la route est construite de façon à rehausser le contraste des routes par rapport à leur environnement. La route est modélisée par modèle générique fondé sur des propriétés géométriques et photométriques et résolu itérativement par programmation dynamique.