Classification supervisée d'images d'observation de la Terre à haute résolution par utilisation de méthodes markoviennes

HAL Id: tel-00747906

https://tel.archives-ouvertes.fr/tel-00747906

Submitted on 2 Nov 2012

HAL is a multi-disciplinary open access

archive for the deposit and dissemination of

sci-entific research documents, whether they are

pub-lished or not. The documents may come from

teaching and research institutions in France or

abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est

destinée au dépôt et à la diffusion de documents

scientifiques de niveau recherche, publiés ou non,

émanant des établissements d’enseignement et de

recherche français ou étrangers, des laboratoires

publics ou privés.

Terre à haute résolution par utilisation de méthodes

markoviennes

Aurélie Voisin

To cite this version:

Aurélie Voisin. Classification supervisée d’images d’observation de la Terre à haute résolution par

util-isation de méthodes markoviennes. Traitement des images [eess.IV]. Université Nice Sophia Antipolis,

2012. Français. �tel-00747906�

ÉCOLE DOCTORALE STIC

SCIENCES ET TECHNOLOGIES DEL'INFORMATION

ET DE LA COMMUNICATION

T H È S E

pour obtenir letitre de

Do teur en S ien es

de l'Université de Ni e - Sophia Antipolis

Spe ialisée en : Automatique, Traitement du Signal et

des Images

Présentée et soutenue par

Aurélie Voisin

Classi ation supervisée d'images d'observation

de la Terre à haute résolution par utilisation de

méthodes markoviennes

Thèse dirigée par Josiane Zerubia

préparée à INRIA Sophia Antipolis Méditerranée, Équipe Ayin

soutenue le17 o tobre2012

Jury :

Président : Mar Berthod - INRIA

Rapporteurs : PaoloGamba - Université de Pavie

GrégoireMer ier - Tele omBretagne

Dire tri e : JosianeZerubia - INRIA (Ayin)

Examinateurs : Roger Fjörtoft - CNES

Je tiens en premier lieu à remer ier ma dire tri e de thèse Josiane Zerubia, le

présidentdujuryPrMar Berthod,lesrapporteursPrGrégoire Mer ieretPrPaolo

Gamba pour leurs orre tionset leurs onseils avisés, ainsique lesautres membres

du jury,DrRogerFjortoft etDrVéronique Serfaty.

Je remer ie également la DGA pour son soutien nan ier, ainsi que l'INRIA

pourle soutienàlafois nan ier etmatériel.

Jeremer iebeau oupGabrieleMoseretPrS.Serpi opourleuraidepré ieuseau

oursde estroisannées,pourletempsqu'ilsm'ont onsa ré,etpour leurprésen e

pendantlasoutenan e.Jeremer ie ZoltanKatopoursonaide on ernant les

graph- uts, et Dr Hervé Yesou pour ses ommentaires surmon manus rit. Et bien sûrje

n'oublie pasVladimir, qui m'a tellement aidée! Mer i pour tout, pour es voyages

inoubliables, sans oublierlesépagneuls, Clo loet ette bonne vieilleBonnie.

Remontons letemps etpartons aux origines de ette thèse, ar un peu plus de

troisansenarrière,quiauraitimaginéquemonstageme onduiraità emanus rit?

Guillaume,grâ e àtoi, je suis désormaistitulaired'undo torat!

Unepenséemaintenantpourtousmes ollègues,partisouen oreprésents,qu'ils

soientarianautes,ayiniens,morphemiens,ou mêmegeometri a iens :Saima,

Chris-tine, Guillaume, Sylvain, Alexis, Adrien, Ikhlef, Yuliya, Xavier (pour m'avoir à

moitié adoptée hez Morpheme), Florent (et ses meubles Ikea), Yanni k, Ahmed,

Aymen,et tousles autres :). En repensant à es troisannées é oulées, je me

remé-more toutes les personnes que j'ai pu ren ontrer au ours des é oles d'été et des

Do toriales, etquim'ont faitpasser detrès bonsmoments. Bien sûr, jeme doisde

remer iermes hères oquillesSaint Ja quespour avoiro upémesmidisetmes21

juin:Maxime, Mar o,Lu , AnnyetFred. Et lemeilleurde tous,Clément,à quije

ne vaispeut-êtrepas onsa rer

6

lignes, arça risque de faire unpeu long. Longue

vie àAkustrix/Elektrix (ou pas).

Mer iàma ousineSophieetàMarie-Sophie d'avoirétéprésentes, etunepetite

pensée pour les toulousaings Thomas, Lu , Inès, Jérme et Katia, et pour le JB

orléannais Nayaz.Sansoublierde remer ier mamaman et mamamiepréférées.

Aurisquedemerépétersurlesremer iementsde ertainespersonnes,jesouhaite

du ourage à tous eux qui n'ont pas en ore soutenu leur thèse, et qui arrivent au

bout,dou ement maissûrement!

Enn, lekoala remer iesabran he d'eu alyptus qu'ilatrouvée surson hemin,

1 Introdu tion 1 2 L'imagerie satellitaire 5 2.1 L'imagerie RSO . . . 7 2.1.1 Le radar . . . 7 2.1.2 Le satelliteCOSMO-SkyMed . . . 17 2.1.3 Le satelliteTerraSAR-X . . . 19 2.2 L'imagerie optique . . . 20 2.2.1 Le satelliteGeoEye . . . 20 2.2.2 Le satellitePléiades . . . 21 2.3 Con lusion. . . 22

3 Modélisation statistique des images 23 3.1 Modélisation statistiquedesprobabilités marginales. . . 25

3.1.1 Modélisationstatistiquedesimages optiques. . . 25

3.1.2 Modélisationstatistiquedesimages RSO. . . 26

3.1.3 Modèlesde mélanges nis . . . 30

3.2 Leslimitesdesimagesmonorésolution à polarisationsimple et intro-du tion desattributs detexture . . . 37

3.2.1 Attributsde texture . . . 41

3.2.2 Modélisationstatistiquedesattributs de texture . . . 44

3.3 Modélisation desstatistiques jointespar utilisation de opules . . . . 46

3.4 Con lusion. . . 50

4 Classi ation supervisée d'images RSOmonorésolution 53 4.1 Étatde l'art . . . 55

4.1.1 Lesméthodessupervisées . . . 55

4.1.2 Lesméthodesnon supervisées . . . 57

4.1.3 Lesméthodessemi-supervisées . . . 58

4.2 Méthode proposée . . . 58

4.2.1 Champsde Markov. . . 59

4.2.2 Lesméthodesd'optimisation . . . 60

4.3 Autresméthodes utiliséespour la omparaison . . . 67

4.3.1 Les

K

-plus pro hesvoisins. . . 67

4.3.2 L'algorithme ATML-CEM . . . 67

4.3.3 LesSéparateurs àVastesMarges . . . 68

4.4 Analyseursde performan e des lassieurs . . . 71

4.5.2 Comparaisondenosrésultatsave d'autresméthodesdel'état

de l'art . . . 75

4.5.3 Généralité du modèle. . . 79

4.5.4 Leslimites du modèle . . . 80

4.6 Con lusion. . . 80

5 Classi ationsupervisée d'imagesmultirésolutionet multi apteur 83 5.1 État del'art . . . 84

5.1.1 Classi ation d'images multirésolution . . . 84

5.1.2 Classi ation d'images multirésolution issues de diérents apteurs . . . 85

5.2 Généralités sur la lassi ation supervisée in luant des hamps de Markovhiérar hiques . . . 88

5.2.1 Notations etquelquesdénitions préalables . . . 89

5.2.2 Graphes hiérar hiques . . . 89

5.2.3 Lesavantages etles in onvénientsd'un tel modèle . . . 90

5.3 Méthode markoviennehiérar hique ave miseà jourde l'a priori. . . 91

5.3.1 Lesprobabilités de transition . . . 92

5.3.2 Lesprobabilités a priori . . . 93

5.3.3 Les probabilités a posteriori etleur estimation - Méthode de Laferté etal. [Laferté 2000℄ . . . 93

5.3.4 Lesprobabilitésaposteriorietleurestimation-Méthodeave miseà jour de l'apriori . . . 95

5.3.5 Lesprobabilitésaposteriorietleurestimation-Versionnale de laméthode proposée . . . 97

5.4 L'intégration desdonnéesdansle quad-arbre . . . 98

5.4.1 Le re alaged'images . . . 98

5.4.2 Dé omposition en ondelettes . . . 98

5.4.3 La fusion optique . . . 100

5.5 Résultats expérimentaux . . . 101

5.5.1 Inuen edu paramètre

θ

n

desprobabilités de transition . . . 103

5.5.2 Inuen edu paramètre

β

desprobabilités a priori. . . 103

5.5.3 Inuen ede ladé omposition enondelettes . . . 105

5.5.4 Résultats pour diérentsjeuxde données . . . 105

5.5.5 Dépendan e desdonnéesetvalidité des opules . . . 114

5.5.6 Post-traitement . . . 117

5.5.7 Pré-traitement . . . 118

5.6 Con lusion. . . 120

B Expression générale de la densitéde la opule de Clayton

multiva-riée 131

C Étude de la robustesse de la lassi ation par rapport à la base

d'apprentissage 133

D Formations,séminaires ettransfert de logi iels 135

E Publi ations - Conféren es et Journaux 137

E.1 SPIERemote Sensing 2010 . . . 137

E.2 ICIP2011 . . . 137 E.3 Gretsi2011 . . . 137 E.4 IS&T/SPIE 2012 . . . 138 E.5 GTTI2012 . . . 138 E.6 EUSIPCO 2012 . . . 138 E.7 ICIP2012 . . . 138 E.8 GRSL2012 . . . 138 E.9 TGRS2012 . . . 138 Bibliographie 141

1.1 Première image satellite a quise en

1959

par le satellite améri ain

Explorer

6

. . . 1

1.2 Cartede zonesinondées dansle nord delaFran e(

SERTIT). . . . 2

1.3 Cartedesbâtiments endommagés dePort-au-Prin e (

SERTIT). . . 3

2.1 Spe tre éle tromagnétique.. . . 6

2.2 Système d'a quisitionradarà visée latérale. . . 8

2.3 S héma d'imageur RSO. . . 10

2.4 Polarisation desondes émisesetreçues par l'antennedu radar. . . . 11

2.5 Modesd'a quisition dessatellitesRSO.. . . 16

2.6 SatelliteCOSMO-SkyMed.. . . 17

2.7 Modesd'a quisition de COSMO-SkyMed. . . 18

2.8 SatelliteTerraSAR-X. . . 19

2.9 SatelliteGeoEye. . . 21

2.10 SatellitePléiades. . . 21

3.1 Évolution de la densitéde probabilité de ladistribution Gamma gé-néralisée en fon tionde ha unedesvariables. . . 29

3.2 Modélisation statistiquede l'image optiquede Port-au-Prin e. . . 37

3.3 Modélisation statistiquede l'image RSOdePort-au-Prin e. . . 38

3.4 Modélisation statistiquede l'image optiquede Amiens. . . 39

3.5 Illustration de la fenêtre glissante pour l'estimation desattributs de texture hoisis. . . 41

3.6 Image RSO de Cavallermaggiore et ses attributs de texture extraits par semivariogramme etave MCNG. . . 42

3.7 Attributs de texture de l'image de Cavallermaggiore pour diérents paramètres d'Harali k. . . 43

3.8 Modélisationstatistiquedel'attributdetextureextraitdel'image de Amiens. . . 45

4.1 Prin ipe duSVM. . . 69

4.2 Inuen ede l'attributde texturesur l'image deCavallermaggiore. . . 74

4.3 Résultats de lassi ation obtenus pour l'image de Lombrias o. . . . 76

4.4 Résultats de lassi ation obtenus pour l'image de Rosenheim. . . . 78

4.5 Résultats de lassi ation obtenus pour une oupehistologique. . . . 79

5.1 Stru turequad-arbre dumodèle hiérar hique etnotations utilisées . 90 5.2 S héma de l'algorithmeMPMproposé par Laferté. . . 94

5.3 Modèle générique duquad-arbre I. . . 96

5.5 Modèlegénérique duquad-arbre II. . . 97

5.6 Exemple de dé omposition en ondelettesd'une image RSO. . . 99

5.7 S héma représentatif de la dé omposition en ondelettes pour une é helle de

2

. . . 100

5.8 Inuen ede

θ

n

surletaux globalde bonne lassi ation. . . 102

5.9 Inuen e de

θ

n

sur la arte de lassi ation pour l'image de Caval-lermaggiore. . . 102

5.10 Inuen ede

β

surletaux globalde bonne lassi ation. . . 103

5.11 Inuen ede

β

surla arte de lassi ation pour l'image de Cavaller-maggiore. . . 104

5.12 Inuen edediversesfamillesd'ondelettessurletauxde lassi ation global. . . 104

5.13 Résultatsde lassi ation obtenus pourl'image deCavallermaggiore. Comparaison entre les CMhiérar hique etnon hiérar hique. . . 107

5.14 Résultatsde lassi ationobtenuspourune oupehistologique. Com-paraisonentre lesCMhiérar hique etnon hiérar hique. . . 108

5.15 Images multirésolution RSOd'Amiens. . . 109

5.16 Résultats de lassi ation obtenus pour les a quisitions d'Amiens données Fig. 5.15. Comparaison entre les CM hiérar hique et non hiérar hique. . . 110

5.17 Résultats de lassi ation obtenuspourles a quisitionsmulti apteur de Port-au-Prin e. Comparaison entre les CM hiérar hique et non hiérar hique etun SMV. . . 113

5.18

χ

-plot pour la lassezone urbaine de l'image de Cavallermaggiore. 116 5.19

χ

-plot pour la lassezone urbaine de l'image de Port-au-Prin e. . . 117

5.20 Inuen edu post-traitement surles artesde lassi ation. . . 118

5.21 Eetsd'un pré-traitement surla lassi ation.. . . 119

6.1 Diérentsvoisinages adaptatifs. . . 126

C.1 Diversesbases d'apprentissage. . . 133

3.1 Équations MoLC pour les familles paramétriques du di tionnaire.

Ψ(·)

estlafon tionDigamma[Sneddon 1972℄et

Ψ(ν, ·)

estlafon tion polygamma du

ν

e

ordre [Sneddon 1972℄. . . 34 3.2 Paramètresd'Harali k al ulésàpartirdelamatri ede o-o urren e

ande dé rirela texturede l'image. . . 42

3.3 Copules onsidérées,

θ(τ )

,etintervalles de validité pour

τ

et

θ

. . . . 49

4.1 Résultats numériques de lassi ation obtenus pour l'image de

Ca-vallermaggiore. . . 75

4.2 Résultats numériquesde lassi ation obtenus pourl'image de

Lom-brias o. . . 77

4.3 Résultats numériques de lassi ation obtenus pour l'image de

Ro-senheim. . . 77

4.4 Taux de bonne lassi ation pour ha une des lasses de la oupe

histologique. . . 79

5.1 Résultats numériques de lassi ation obtenus pour l'image de

Ca-vallermaggiore. Comparaison entre les CM hiérar hique et non

hié-rar hique. . . 106

5.2 Tauxdebonne lassi ationpour ha unedes lassesdela oupe

his-tologique.Comparaison entrelesCMhiérar hique etnon hiérar hique.108

5.3 Taux de bonne lassi ation pour ha une des lasses de l'image

d'Amiens.ComparaisonentrelesCMhiérar hique etnonhiérar hique.112

5.4 Tauxde bonne lassi ationpour ha unedes lassesdu jeude

don-nées de Port-au-Prin e. Comparaison entre les CM hiérar hique et

nonhiérar hique. . . 114

5.5 Valeurdu

τ

deKendallobtenueexpérimentalementpour ha unedes lasses del'image de Cavallermaggiore (Italie). . . 116

5.6 Eetsd'unpré-traitement surles tauxde bonne lassi ation. . . 119

C.1 Résultats numériques de lassi ation obtenus pour l'image de

Γ

G Gammagénéralisée

ACP Analyseen ComposantePrin ipale

ASI Agen eSpatiale Italienne

CEM Classi ationEspéran e-Maximisation

CM Champ deMarkov

CNES CentreNational d'Études Spatiales

CSK COSMO-SkyMed

DLR Deuts hesZentrumfür Luft- undRaumfahrt (Agen e SpatialeAllemande)

FDP Fon tion deDensité de Probabilité

ICM ModesConditionnels Itérés (Iterated Conditional Modes)

MAP MaximumA Posteriori

MCNG Matri esde Co-o urren ede Niveauxde Gris

MMD Dynamiquede MetropolisModiée

MoLC Méthode desLog-Cumulants

MPM Mode de laMarginalea Posteriori (Marginal PosteriorMode)

MV Maximumde Vraisemblan e

PPV PlusPro hesVoisins

RADAR RAdioDete tion And Ranging

RSO RadaràSynthèse d'Ouverture

RVB Rouge Vert Bleu

SEM algorithmeSto hastique d'Espéran e-Maximisation

SVM Séparateurà Vaste Marge

Introdu tion

Motivations et obje tifs

Les premières photographies satellites de la

Fig. 1.1  Première image

satellite a quise en

1959

par le satellite

améri- ain Explorer

6

. [Sour e :

http ://grin.hq.nasa.gov/℄.

Terre ont été réalisées le

14

août

1959

par le

sa-tellite améri ain Explorer

6

(voirFig. 1.1).Depuis

lors,lesavan éesdansledomaine satellitairen'ont

essé, de sorte qu'il existe à e jour un nombre

in- al ulablededonnéesdetélédéte tion,en onstante

augmentation. Rien que pour le programme

OR-FEO,plusde

2000

imagesd'observationdelaTerre

sont a quises haque jour, in luant

450

images

a quises par un seul satellite de la onstellation

Pléiades [CNE 2012℄, et

1800

images a quises par

la onstellation COSMO-SkyMed[CSK 2007℄.

La di ulté prin ipale du traitement d'image

estd'arriveràinformatiser equenotreoeilest

a-pable de voir naturellement, voire de déte ter des

hoses que l'oeil ne peut per evoir. Le but est de

pouvoir extraire des informations souhaitées dans

les diverses a quisitions de manière automatique,

an de pouvoir traiter la multitude d'images disponibles sans systématiquement

re ourir à une expertise humaine. Les appli ations sont multiples, mais elle qui

nous intéresse davantage est la artographie. Selon les résolutionsdes a quisitions,

les informations à extraire sont diverses, etpeuvent aller de la déte tion de zones

vastes (forêts, o éans...), à des zones plus petites (routes, bâtiments...). De telles

informations sont parti ulièrement utiles dans les diérentes phases de traitement

d'une atastrophe naturelle : de la prévention à la re onstru tion, en passant par

l'assistan edurant l'évènement. Au ours de ettethèse, uneattentiontoute

parti- ulière a été portée surles zones urbaines, qui sont a tuellement les zones les plus

ritiquesfa eàdes atastrophesnaturelles, arellesregroupent unemajeurepartie

de lapopulation.

Parmi les observations possibles de la surfa e terrestre, les images radars sont

parti ulièrement adaptéesauxzonesurbaines, arellesprésententunfort oe ient

de rétrodiusion au niveau de es zones, qui apparaissent don de manière assez

italienne(ASI)dansle adred'unprojetdanslequell'équipeAriana/Ayindu entre

INRIA-SAMétait partenaire.

Les images radars présentent aussi de

Fig. 1.2  Carte de zones

inon-dées dans le nord-est de la Fran e

(

SERTIT) établie sur une image

RADARSAT omposite a quise en

o tobre

2006

. [Sour e :

sertit.u-strasbg.fr℄.

bonnes propriétés pour les atastrophes

na-turelles, arellespermettent,parexemple,de

déte terdeszonesinondées,quiapparaissent

de manière plus sombre sur les images. Le

SERTIT (Servi e Régional de Traitement

d'Image et de Télédéte tion) a exploité de

telles propriétés pour établir leslo alisations

desinondationsdanslavalléedelaMoselleen

Fran een o tobre

2006

(Fig. 1.2).Les zones

inondées sont plusdi ilesà déte tersurles

images optiques, ar l'eau peut être plus ou

moins boueuse, et le ourant plus ou moins

fort, e qui donne des olorations etdes

tex-turesvariables, ontrairementàl'imagerie

ra-dar.

La très haute résolution est

parti ulière-ment utiledansle adrede tremblements de

terre, arellepermetdedéte terleszones

ur-bainesendommagées, omme elaaétéfait,parexemple,par leSERTITsurlaville

de Port-au-Prin e (Haïti), suite à l'important séisme de janvier

2010

(gure 1.3).

Unteltraitementrelèvedavantagedela onsidérationdedonnéesmultitemporelles,

etd'unproblème de déte tionde hangements, en parti ulier pour desa quisitions

radars. Au ours de la thèse, nous avons travaillé sur des a quisitions de

Port-au-Prin e faitesaprès leséisme, en établissant des artes d'o upation dessols, étant

donné la résolution desimages disponibles (

2, 5

mètres) et lemanque de vérité de

terrain en notre possession. Une telle démar he entre dans une problématique de

surveillan e post-sismique, et peut déjà onstituer une sour e d'information, de la

mêmefaçonqueleprojetKal-Haïti(http://kal-haiti.kalimsat.fr),initiéparle entre

nationald'étudesspatiales(CNES),viseàexploiterdesdonnéesdetélédéte tionan

de fournir une multituded'informations utiles àla re onstru tionhaïtienne.

Nous avons aussi voulu travailler sur la fusion de diérents types de données

an d'améliorer les artesde lassi ation qui peuvent être parfoisimpré ises.Une

telle onsidérationpermetdeprendreen ompte simultanémentunnombrevariéde

donnéesdediérentstypesàdiérentesrésolutionsandetirerpartidelamultitude

d'informations disponibles pastoujours misesà disposition malheureusement.

Organisation du manus rit

Lathèses'arti uleautourdelaproblématiquedela lassi ationd'imagesradars

Fig.1.3 CartedesbâtimentsendommagésdePort-au-Prin e(

SERTIT)établie

surune image GeoEye-

1

(résolutionde

50

m) a quisele

13

janvier

2010

.[Sour e :

sertit.u-strasbg.fr℄.

tique possible la façon dont sont forméesles images que nous traitons.Ces images

sont des photographies de la surfa e de la Terre réalisées par des apteurs a tifs

(RSO) etpassifs (optiques). Nous présentons également en détail les satellites qui

ont a quis les images réelles sur lesquelles nous avons appliqué les algorithmes de

lassi ation quenousavonsdéveloppés.

Ces algorithmes, reposant sur la théorie bayésienne, ont pour point ommun

de requérir un apprentissage des statistiques desniveaux de gris pour ha une des

lasses.Ilfaut don trouverlameilleuremodélisationpossibledesimagesprésentées

dansle hapitre 2.Lesa quisitionsàhauterésolution onstituent unavantagedans

la re onnaissan e de petits objets. Cependant, elles augmentent la omplexité du

traitement par l'apparition de zones extrêmement hétérogènes, d'autant plus

di- iles à modéliser statistiquement. Comme nousle verrons dansle hapitre 3, ette

hétérogénéité intrinsèque requiert une modélisation statistique elle-même

hétéro-gène, hoisie omme un mélange pondéré de fon tions statistiques adaptées, dont

lesparamètres sontestimésautomatiquement àpartird'unevéritédeterrain. Cette

modélisation de la vraisemblan e statistique est ensuite intégrée dans des modèles

de lassi ation bayésienne markoviens.

Dansle hapitre 4,noustraitonsd'imagesessentiellement monorésolution.Nous

utilisons, pour e faire, un hamp de Markov. Il s'agit de trouver le maximum a

posteriori onnaissant la modélisation statistique de la vraisemblan e, sous

hypo-thèse d'un a priori markovien. Le modèle ontextuel est développé pour faire fa e

au bruit de hatoiement du radar, mais nousavonsmontré qu'il s'adapte très bien

à des données optiques dans le adre d'autres appli ations. La lassi ation des

images radars, qui sont, dans notre as, des images monobandes, est améliorée,

dépendan e statistiqueentre les observations.

Dans le hapitre 5, nous traitons d'images essentiellement multirésolution,

a -quises ave lemême satellite(mono apteur) ou ave diérentssystèmes

(multi ap-teur). Voulant tirer parti de la multirésolution inhérente à es a quisitions, nous

avonsprisen ompteunmodèlemarkovienhiérar hique,danslequellesimagessont

intégréesdanslesdiérentsniveauxdugraphe. Nousavonsoptépourune

représen-tation en quad-arbre,an debéné ierdesbonnespropriétés quilui sont relatives,

en parti ulier sa ausalité, qui permet d'appliquer un algorithme d'estimation des

étiquettes nonitératif. Enoutre, le ontexte est,dans e as,en é helle, e qui

per-met de tirer parti simultanément desdonnées détaillées (haute résolution) souvent

bruitées, et de données à moins bonne résolution, mais en général moins ae tées

par lebruit.

Pour terminer e manus rit, nousdonnons, dansle hapitre 6,des perspe tives

possibles, quipermettraient d'améliorer potentiellement e travail de thèse.

Contributions

Pournir etteintrodu tion,voi iunelistedenosprin ipales ontributionsdans

ette thèse :

1. Modélisation statistique des diérentes lasses, adaptée à diérents types

d'images a quisesà hauterésolution (Chap.3);

2. Modélisationdesstatistiques jointespour ha unedes lasses parlebiaisde

opulesmultivariées, hoisies ommeextensionde opulesbivariées(Chap.3);

3. Introdu tion d'un attribut de texture pour améliorer la lassi ation des

zones urbaines: hoix etmodélisation (Chap.3);

4. Intégration de es diversesstatistiques dans un hamp de Markov, etétude

du paramètredu hamp(Chap.4);

5. Intégration des diérentes statistiques dans un hamp de Markov

hiérar- hique, fondé sur un modèle en quad-arbre, et intégration d'une mise à jour

spé iquepour augmenterlarobustesseaubruitde l'algorithmede

lassi a-tion (Chap.5);

6. Tests des diérentes méthodes sur diérents jeux de données réels

L'imagerie satellitaire Sommaire 2.1 L'imagerieRSO . . . 7 2.1.1 Leradar . . . 7 2.1.2 LesatelliteCOSMO-SkyMed . . . 17 2.1.3 LesatelliteTerraSAR-X . . . 19 2.2 L'imagerieoptique . . . 20 2.2.1 LesatelliteGeoEye. . . 20 2.2.2 LesatellitePléiades . . . 21 2.3 Con lusion . . . 22

Fig. 2.1 Spe tre éle tromagnétique [d'aprèswww.sura.org℄. Lesbandes d'intérêt

pournosappli ationssontsituéesautourduspe trevisible,ainsiquedanslesbandes

mi ro-onde (mi ro-wave).

Dans e hapitre, nous présentons les systèmes satellitaires d'a quisitions

d'images terrestres, ave une fo alisation parti ulière sur eux ayant donné

nais-san eauximagesquenousavonstraitées.N'ayantpaspour butdefournir uneliste

exhaustivedel'intégralitédumatérielgravitant autourdenostêtesterriennes,nous

ex luonsdèsàprésentla atégoriedessatellitesnon-délants.Lessatellitesdélants

sont appelés ainsi ar eux- i ee tuent letour de la Terre en une entaine de

mi-nutes,et ommelaTerreelle-mêmeestmobile(rotationd'environ

25

degréspendant

ette durée), à l'issue de e tour, le satellite ne repasse pas au-dessus d'un même

lieu. La période de passage sur un même endroit, appelée temps de revisite, varie

selonlessatellitesmaisatteint,engénéral,plusieursjours.Pourlessatelliteslesplus

ré ents, ette période peut être inférieure à un jour, en parti ulier dans le as de

onstellations desatellites.Lessatellitesdélantsévoluentsurdesorbitesqualiées

de basses, de l'ordre de

600

à

800

km en moyenne, altitude ompatible ave une

durée de vie qui ne soit pas trop ae tée par les frottements atmosphériques. En

outre, ette altitude relativement peu élevée permet de onférer aux imageurs, en

parti ulier auximageurs optiques,une bonne aptitudeà distinguerdesdétailsdela

surfa e terrestre.

Les instruments embarqués à bord de es satellitesopèrent dans diérents

do-maines delongueur d'onde(Fig. 2.1).En général,les imageursde typeoptique

uti-lisent des ondes on entrées autour du spe tre visible, tandis que les autres plages

de fréquen es sontplus ouramment utilisées pour desappli ationsplus spé iques

qui né essitent de déte ter des objets qui ne sont pas for ément visibles, tels que

la vitesse des vents, les u tuations de température, et . Cela onfère un nombre

onsidérabled'a quisitionspossiblesetdon d'appli ationspossibles.Engénéral,les

satellites detélédéte tion sont utilisés en météorologie,en limatologie eten

arto-graphie.Commenousl'avonsdéjàévoquédansl'introdu tion générale(Chap.1),et

ommelesous-entendletitremême de ettethèse,lesappli ations artographiques

nousintéressentdavantage, equinousrestreintà ertainssatellitesbienspé iques,

Une des ara téristiques importantes liée aux a quisitions d'images est la

no-tion générale de résolution. Il y a quatre types de résolutions possibles lorsque

nous traitons d'images de télédéte tion : spe trale, temporelle, radiométrique et

spatiale [Campbell 2002℄. La résolution spe trale orrespond au nombrede bandes

spe trales a quises par le apteur, lorsque elui- i est passif, et dépend de la

lar-geurdesbandes.Larésolution temporelleestlenombredejoursé oulésentredeux

a quisitions d'une même zone. Par défaut, il s'agit du temps de revisite, mais

er-tains satellites susamment mobiles peuvent être orientés depuis des plateformes

de ommande et, de e fait, le temps é oulé entre deux a quisitions dépend de la

mobilité(agilité)dusatellite.Par ailleurs,larésolution radiométriqueestlenombre

deniveauxdegrisdesimagesa quisesparle apteur,mesuréesouventennombrede

bits.Parexemple,

8

bitséquivautà

256

niveauxdegris.Enn,larésolutionspatiale,

à laquelle nousnous réfèrerons ultérieurement omme résolution de l'a quisition,

estla tailledu pluspetitélément observable surl'image.

Maintenant que nous avons détaillé les deux termes importants que sont les

notions de spe tre éle tromagnétique etde résolution, nouspouvonsnous fo aliser

davantage sur le ontenu des diérentes parties de e hapitre. Les images traitées

dans ette thèse sont essentiellement de deux types : des images optiques et des

images radars. Pour e dernier type d'images, une te hnologie spé ique, la

syn-thèse d'ouverture, est employée. Nous allons don nous fo aliser dans e hapitre

sur la des ription des imageries optiques et radars à synthèse d'ouverture (RSO),

aussi ouramment ara tériséparl'a ronymeanglo-saxonSARpourSyntheti

Aper-ture Radar.Enparti ulier, nousdonnonsles ara téristiquesdessatellites

COSMO-SkyMed,TerraSAR-X, GeoEye etPléiades, qui orrespondent auximagesquenous

avonsutilisées au ours de ette thèse.

2.1 L'imagerie RSO

Le premier système imageur onsidéré est un système radar. Nous allons don

expliquer equ'estunea quisitionradar,ainsiquedénirdestermesspé iquesque

nousutilisonsdemanière ourantedanslesautres hapitresdumanus rit.Nousnous

fo alisonsensuitesurlasynthèsed'ouverture,puisqu'ils'agitdelate hnologie

utili-séeparlesré entssatellitesCOSMO-SkyMedetTerraSAR-X,dontnoustraitonsles

images.Nousavonsfaitlasynthèse,pour ettepartie,deplusieursréféren es

biblio-graphiques[Oliver2004,Polidori 1998,Dupont 1994,Ri hards 2006,Cheney2009℄,

ainsiquededivers oursd'é olesd'ingénieursfrançaises (ENSEEIHTToulouse, T

e-le omBretagne, ISAE-SUPAEROToulouse).

2.1.1 Le radar

Le radar,del'anglaisRAdioDete tion And Ranging,estunsystèmea tif,

'est-à-dire qu'il émetetreçoitles ondesrétro-diuséespar les obsta les.Ces ondessont

Fig. 2.2  Système d'a quisition radar, i i à visée latérale [d'après le ours

EN-SEEIHT de Thierry Amiot disponible sur la plateforme Moodle℄. Nous appelons

l'axe en distan e l'axe perpendi ulaire au ve teur vitesse, l'axe azimut l'axe

paral-lèle au ve teur vitesse du porteur et dirigé dans le même sens, et l'axe d'altitude

l'axe dirigé vers lehaut. L'antenne du radar on entre l'onde émise dansune zone

donnée.

Dans le asde satellitesradars d'observation delaTerre  notreprin ipal intérêt 

les obsta les peuvent avoir plusieurs origines,selon labande defréquen e hoisie :

 obsta le detype interfa e air-surfa e, par exemplepour lesplans d'eau;

 obsta le sous une surfa e, pour des observations dans un milieu donné (type

o éanoudésert de sable);

 sommetvégétal ( anopée)ouobsta leprésentdanslevolumedelavégétation

(houppier).

Un gros avantage est la quasi-insensibilité aux onditions atmosphériques et à

l'illumination solaire, e qui permet, ontrairement aux images optiques, de

pou-voir faire des a quisitions de jour omme de nuit, et ave tout type de ouverture

nuageuse.

Le prin ipe du radar est assez simple : l'émetteur lan e des impulsions d'une

ertainefréquen eàintervallesréguliers,parexempletouteslesmilli-se ondes.

L'an-tenne du radar, qui agit ommeun proje teur, on entre l'émissiondans une zone

très étroite de l'espa e (voir Fig. 2.2). C'est ainsi que sont illuminées les ibles

si-tuéesdansle hampdel'antenne,et e,d'autantplusfaiblementqu'ellessontsituées

loin.La tra eau soldulobe d'antennedé ritune bandeappeléefau hée. Les ibles

réé hissentlessignauxreçusetl'antenne apte essignauxréé his,appelésé hos,

ave un dé alage d'autant plus grand queles iblessont lointaines.

Larésolution en distan e

R

,aussidénomméedansl'introdu tion de e hapitre

résolutiongéométrique, orrespondàla apa itéduradaràdistinguerdeuxpoints

très pro hes. En théorie, un système radar devrait être apable de distinguer des

ibles espa éesd'un temps égal àune demi largeur d'impulsion :

R =

cT

où

c

estla éléritéet

T

laduréedel'impulsion.Une impulsionlaplusbrèvepossible

permetdon d'avoir lameilleurerésolution possible.Maispour avoir unsignal

or-re t,ave unrapportsignalsurbruitraisonnable(pastroppetit), etteimpulsionne

doitpasêtretrop ourte.Un ompromisestpossiblemaislimitant.Ilest ependant

possible de re ourir à une astu e du traitement du signal, qui onsiste à moduler

le signal émis via la te hnique de ompression d'impulsion [Klauder 1960℄, e qui

permetd'augmenter la résolution en distan e de la mesureainsi que lerapport

si-gnalsurbruit.Pourréaliserla ompressiond'impulsion,unsignaldetype hirp est

émis,signalpseudo-périodiquemoduléàlafoisenamplitudeetenfréquen esurune

bande de fréquen e

B

autour d'unefréquen e porteuse. Le signal reçupar le radar

est une opieretardée, atténuée et éventuellement déphasée (par eet Doppler)du

signalémis. Pour déte terle signalreçu, un ltrage adapté estutilisé, équivalent à

un al uld'inter orrélation.Pour

B

bien hoisi,letemps del'impulsionserade

1/B

( hoisi ommeinférieur à

T

), etlarésolution en distan eserade

R =

c

2B

.

(2.2)

La formation des images est la tradu tion en terme de pixels du signal reçu

par l'antennedu radar. Le radarmesure l'amplitude omplexe du hampéle trique

rétrodiusé

E

r

parla surfa e illuminée

S

.On exprime l'image omplexe de haque

pixel par

A · exp(iΦ)

,où

Φ

estla phase et

A

l'amplitude.

A cos(φ)

estmesurée par

le anal enphase duré epteur, et

A sin(φ)

par le anal enquadrature.

Cetteamplitude omplexedépendd'unnombredeparamètresassez onséquent,

à ommen erparlespropriétés physiquesintrinsèquesdesobjetsobservéstellesque

leurforme,ouen oreleur(s)matériau(x) onstitutif(s),quiinuent surlavaleurde

lapermittivité diéle trique. Il est don avantageux d'avoir quelques informationsa

priori sur l'observation pour traiter l'image, et éviter de potentielles

indétermina-tions.L'amplitude dépend ausside l'angled'in iden e durayonnement,de lapente

lo ale de la surfa e observée et de la longueur d'onde d'émission. Typiquement, si

ette longueurd'ondeest beau oupplus petitequelatailledesélémentsde lazone

observée (surfa elisse à l'é helle de lalongueur d'onde), omme par exemple dans

le as d'une étendue de sable, d'eau ou de gla e, l'onde émise estalors totalement

réé hie.Àl'inverse,silalongueurd'ondeestbeau oupplusgrandequelatailledes

éléments observés, les atomes de eux- i sont polarisés, 'est-à-dire queles harges

négativesetpositivesdanslesmatériauxsontséparées.Ce iestdé ritparlemodèle

de ladiusionde Rayleigh [Strutt 1899℄,quiprédit notamment lebleu du iel etle

rouge d'un ou her de soleil. Enn, quandles deux longueurs sont omparables, il

peutseproduire des résonan es entreles atomes de la ible etla réexion se

om-porteselon lathéorie de Mie[Stratton 1941℄, rendant le diagramme de ré-émission

très variable.

2.1.1.1 Un radar spé ique : le radar à synthèse d'ouverture

Les images que nous avons traitées (voir hapitres ultérieurs) sont des images

Fig. 2.3 S héma d'imageurRSO(

Wikipedia).Le satellitesedépla eselon une

traje toire parallèle àl'axe azimutal, permettant ainsià un point P d'êtreilluminé

plusieurs fois par le fais eau du radar. La transformée de Fourier inverse de la

sommation ohérente des ondes reçues pour un même point P ane les résultats.

L'a quisitionaprèspost-traitementestmieuxrésoluegrâ eàlasynthèsed'ouverture.

dont les apteurs radars sont à synthèse d'ouverture [Oliver2004, Polidori 1998,

Massonnet2008℄. Ce sont des radars à visée latérale, 'est-à-dire, xés sur la fa e

latérale d'unporteur(avion ousatellite).De efait,l'antenneembarquée émet

per-pendi ulairement auve teur vitesse. La synthèse d'ouverture estune te hnique qui

s'applique spé iquement à e type de radars an d'améliorer la résolution

géo-métrique en azimut, axe horizontal projeté à la surfa e de la Terre et parallèle à

la traje toire du satellite (Fig. 2.3). Con rètement, une image ayant une meilleure

résolution est obtenue en simulant une antenne large tout en onservant une taille

physique d'antenne raisonnable. Ce traitement de synthèsed'ouverture, qui repose

sur une transforméede Fourier, est appliqué en n de haîne (post-traitement) au

signal brut reçu par le radar. En utilisant une antenne pla ée sur un porteur en

mouvement,lasommation ohérentedusignalreçu orrespondant àunmême point

de l'espa e est réalisée, sur plusieurs instants su essifs, en s'arrangeant pour que

l'objet reste dansle lobe prin ipal de l'antenne sur ette durée. Il repose don sur

le faitquele radarsedépla e physiquement ave le porteur, e quiimplique quele

même point estilluminé plusieurs fois(Fig. 2.3). Latransforméede Fourier inverse

de ette sommation ohérente aboutit au al uld'un nouveau point, virtuellement

a quis par une grandeantenne, donnant ainsiune image nalede meilleure

résolu-tion. Le résultatestdépendant dedeuxhypothèses,assez fa ilesàobtenir pourdes

porteurs de type satellite. La première est que le vol du porteur est parfaitement

stable:vitesse onstante,altitude onstante, et .La deuxièmeestune parfaite

sta-bilité desos illateursde démodulation du signal(nousavonsvuquelesignalradar

Fig. 2.4  Polarisations verti ale et horizontale des ondes émises et reçues par

l'antennedu radar.

Malgré la présen e du bruit de hatoiement (sous-partie 2.1.1.4), qui dégrade

visuellement les a quisitions RSO, es systèmes radars possèdent de nombreuses

qualités, notamment liées au fait que les a quisitions se font en bandes

hyperfré-quen es (ou de manière équivalente mi ro-ondes). Dans ertaines appli ations, la

apa ité de pénétration des ondes à travers des arbres, des murs, ou des surfa es

de sablepar exemple,permetunélargissement du hamp d'observations.En outre,

lapolarimétrie apportede nombreuses informations omplémentaires, ommenous

allonsvoir danslasous-partiesuivante.

2.1.1.2 Polarisation

Les hamps éle triquesin ident

E

i

etréé hi

E

r

sont polarisés, 'est-à-dire que

les ondes se propagent dans desdire tions bien dénies. Les polarisations sont

gé-néralement hoisies omme verti ales et horizontales, et toujours perpendi ulaires

à la dire tion de propagation de l'onde (Fig. 2.4). On parle alors de radar

polari-métrique [Lee 2009℄. En pratique, jusqu'à quatre images simultanées peuvent être

générées suivant les diérentes ombinaisons de polarisations (horizontale et

verti- ale) en émissionetenré eption.

Lapolarisationtraduitlastru tureoulevolumed'unes èneetpermetdemettre

en exergue les diérentes propriétés polarisantes des ibles observées. Il est ainsi

possible de rehausser les ontrastes de ertains détails non visibles sur des images

lassiques(non polarimétriques), ou dedéduire des propriétés de la ible telles que

le type de végétation. Typiquement, l'observation d'une stru ture horizontale est

plus adéquateave une émission/ré eptionHH, 'est-à-dire, hamps

E

i

et

E

r

hori-zontaux.Par exemple,ellepermetdedistinguerl'eaudelagla e.Pourlesstru tures

verti ales, de type arbres ou ultures hautes (blé...), une polarisation VV est plus

adaptée. Lapolarisation HH passe au travers de telles ultures verti ales, et

per-met par exemple de mesurer la teneur en eau du sol. Lespolarisations HV ou VH

2.1.1.3 Autres types de radars

Nous onsidérons dans ette thèse uniquement les apteurs radars de type

po-larimétrique, arils sont bien adaptés à l'utilisation que nous souhaitons en faire,

à savoir établir des artographies de zones. Cependant, d'autres types de données

radars peuvent êtregénérées pour d'autres typesd'appli ations, omme

l'établisse-mentde modèles numériques deterrain [Noferini 2007℄,la artographie de

dépla e-ments de plaques te toniques [Madsen2001℄ou bien la modélisation de prévisions

météorologiques [Meis hner2010℄.

Leradarinterférométrique(InSAR)estimeladiéren edephasepourunemême

ible observée par deux radars à synthèse d'ouverture ou bien un même radar

uti-liséàdesinstantsdiérents[Ketelaar 2010℄.C'estunete hnologietrès utiliséedans

la onstru tion de modèles d'élévation de terrain. Par exemple, en zone urbaine,

les modèles d'élévation sont utilisés en vue de déterminer des hauteurs des

bâti-ments [Soergel 2010℄. La tomographie RSO [Reigber 2000℄, permet de gagner une

pré ision supplémentaire par rapport à l'InSAR ar elle peut être utilisée pour la

séparationetlalo alisationdire tedediuseursauseind'unemême ellulede

réso-lution. De e fait, il est possible de gagner unepré ision auniveau de larésolution

en altitude. La tomographie RSO équivaut don à une modélisation

3D

ee tuée

grâ e àune synthèsed'ouverture en dire tion del'altitude.

Les impulsions émises par un radar peuvent être modiées (durée d'émission,

temps entreles impulsions)andedonnernaissan eàdesdonnéesné essairespour

ertaines appli ationsspé iquestellesquelaradiométrieoul'altimétrie radar. Ces

diverses appli ations ont largement étéexploitées dansle adre de lamission ERS

(European RemoteSensing Satellite) [Prata 1990,Eymard 1994℄.

2.1.1.4 Bruit de hatoiement

Enpratique,lesimagesradarssontae tées parunbruità texture,ditepoivre

et sel, omniprésent sur l'a quisition, et qui, de fait, dégrade la qualité de elle- i.

Il s'agit de bruit produit par un système ohérent que l'on appelle phénomène de

hatoiement etqui dépend des paramètres du système radar etde la nature de la

surfa e imagée. Le modèle du hatoiement lassique présume de la présen e d'un

grandnombre derée teurspon tuelsindépendantsrépartis aléatoirement etayant

des ara téristiques de diusion semblables à l'intérieur de la ellule de résolution.

Lorsqu'illuminéeparleradar, haque iblerétrodiuseunepartiedel'énergiequi,en

plus des hangements dephase etde puissan e, est additionnée defaçon ohérente

pour tous les diuseurs. Cette variation ou in ertitude statistique (lavarian e) est

asso iéeà labrillan ede haque pixeldel'image radar. Par exemple,sansl'eet de

hatoiement une iblehomogène( ommeunegrandeétenduedegazon)apparaîtrait

entonsplus lairs.Maislaréexionprovenantde haquebrind'herbeàl'intérieurde

haque ellulederésolutionproduitdespixelsplus lairsetd'autresplussombresque

lamoyenne,desortequele hampapparaîtta heté.Eneet,selonleurempla ement,

Lespro éduresd'analyseetdetraitementsd'images lassiques onsidèrent

habi-tuellement le hatoiement ommeun élément indésirable ontenant peu

d'informa-tion. Deux te hniques permettent de réduire le hatoiement :le traitement

multi-vues (plus onnu sousleterme anglo-saxonmulti-look) et leltragespatial.

Le traitement multi-vues onsiste en un dé oupagedu spe tre azimuth (ou

dis-tan e) en plusieurs vues, qui sont ensuite sommées de manière in ohérente. Dans

ertains as parti uliers, e traitement peutaussi onsisteren l'a quisition de

plu-sieurs images d'une même s ène [Bruniquel1997, Xia1997℄. Comme le suggère le

nom de e traitement, haque visée produit sapropre image de la s ène illuminée.

Cha une de esimagesestaussisujetteau phénomène de hatoiement,maisen

fai-sant la moyenne de toutes les images pour obtenir une image nale, il est possible

de réduire globalement les eets du bruit.Ce traitement estappliqué par défautà

ertaines desa quisitionssur lesquellesnousavons travaillé (voir Annexe A).

La rédu tion du hatoiement par ltrage adaptatif [Lee 1994℄ est un

post-traitementqui onsisteàappliquerunefenêtreglissantedequelquespixelsà haque

pixel de l'image, et à moyenner les pixels de ette fenêtre suivant une ertaine

pondération. L'eet de lissage obtenu réduit visuellement le hatoiement. D'autres

méthodes de ltrage plus omplexes mais plus adaptées (et don moins lissantes)

peuventaussiêtre utilisées [Gagnon 1997,Fou her2001,A him 2006,Xia1997℄.

Cependant,detelstraitementsonttendan eàdégraderlarésolutiongéométrique

à ausedulissage,oubienàintroduiredesartéfa ts.Ainsi,siuneimageàbasse

réso-lutionestsouhaitée,alorslarédu tiondu hatoiementpeutêtretoutàfaitindiquée.

Enrevan he,sil'appli ationrequiertdesdétailsnsetunehauterésolution, omme

dansnostestsoùl'obje tif estde lassierdesimagesàlameilleurerésolution

pos-sible, la rédu tion drastique du bruit de hatoiement n'est pastrès appropriée ar

elle diminue la résolution. En outre, le bruit de hatoiement est orrélé au signal

(bruitmultipli atif),etdon àhauterésolution,ilpeut ontenirdesinformationssur

las ène observée qu'il peutêtre utilede onserver [Dell'A qua 2003,Oliver2004℄.

2.1.1.5 Autres spé i ités

D'autres spé i ités ompliquent d'avantage l'analyse desimages radars, et

né- essitent parfois un post-traitement. Nous proposons i i d'en établir une liste non

exhaustive :

 Distorsion oblique : elle est due au fait que les a quisitions sont faites

selon un ertain angle. Les éléments dans le plan de fau hée (Fig. 2.2) le

plus pro he dit portée proximale (near range) sont ompriméspar rapportà

eux qui sont présents dans la portée distale (far range) à ause de la

non-linéarité de l'é helle des distan es. Ce i requiert une onversion de l'image

en distan e-sol, onversion qui est dire tement assimilable à une proje tion.

Cette onversion peut être faite par le pro esseur radar lors du traitement

desdonnées, ou par transformation géométrique de l'image. Dans la plupart

 Distorsion géométrique : un autre type de distorsion est le phénomène

de repliement lié aufaitqueles objetsen hauteurrépondentavant desobjets

situés au sol. Par onséquent, leur réponse est mélangée ave elle d'autres

pointsdusol.Celapeutêtre ontraignant,en parti ulieren zonesurbaines,et

tendà générer des onfusionsdanslale ture del'a quisition.

 Variation en intensité (teinte) à travers l'image : une antenne radar

transmet plus d'énergie dans lapartie entrale du ouloir balayé que dansla

portéeproximale ou laportée distale.Cet eetest onnusous lenomde

dia-gramme d'antenne etdonneune rétrodiusion plusforteen provenan e dela

partie entrale du ouloirquedes tés.Ces eetsse ombinentpourproduire

uneimagedontl'intensité(teinte)variedelaportéeproximaleàlaportée

dis-tale. Un pro édéappelé orre tion de diagramme d'antenne peut s'appliquer

pourproduire une tonalitéuniformemoyenne ande fa iliterl'interprétation

visuelle. En outre, les systèmes radars peuvent diéren ier jusqu'à plus de

10000

niveauxdegris.Puisquel'oeilhumainnepeutper evoirsimultanément

qu'environ

40

niveauxd'intensité[Gomaras a2009℄,ilya tropd'information

pour l'interprétation visuelle. Ainsi don , la plupart des données radars ont

une résolution radiométrique de

16

bits (

65536

niveaux d'intensité) que l'on

réduit à

8

bits (

256

niveaux) pour l'interprétation visuelle et l'analyse par

ordinateur. Nous avons eu re ours à un tel pro édé pour les images traitées

parlasuite.Celaest, ertes,dis utabledanslesensoùunetellenormalisation

rée une distorsionnon linéaire (au mieux unseuil) etune quanti ation des

distributionsinitialesquipeuvent dégraderlesinformationsprésentesdansles

images. Cependant, nous avons étudié les histogrammes des niveaux de gris

dediversesimagesRSO

16

bits,etavonspu onstaterquelamajorité (

99.9%

)

des informations relatives auximages est on entrée sur les

256

premiers

ni-veaux de gris.Nous onsidérons dèslors que laportion d'information perdue

parla onsidérationd'uneimageà

8

bitsestnégligeableparrapportautemps

de al ulquisera

2

8

plus onséquent si l'image onsidérée en entrée estde

16

bits.

 Mauvais étalonnage du radar : l'étalonnage est un pro édé qui assure

que le systèmeradar et lesignal qu'il mesuresoient aussi onsistantset

pré- is que possible [Freeman 1992℄. La plupart des images radars requièrent un

étalonnagerelatifavant d'êtreanalysées.Cet étalonnage orrigeles variations

onnues de l'antenne et la réponse du système, et assure que des mesures

uniformes etrépétitivessont possibles.Cette opération permetd'ee tuer en

toute onan edes omparaisons relativesentrelaréponsedesélémentsdans

unemême image,etentred'autresimages. Cependant,sidesmesures

quanti-tativespré isessontrequises,représentantl'énergievraimentretournéeparles

diérentes stru turesou iblespourdesns de omparaison, alors un

étalon-nage absoluestné essaire. L'étalonnage absoluestun pro édébeau oupplus

laborieuxquel'étalonnagerelatif.Il tentede relierlamagnitudedusignal

radar sont requises, ainsique des mesures quantitatives au sol faitesà l'aide

de ibles alibrées. Aussi, des appareils appelés transpondeurs peuvent être

pla és ausol avant l'a quisition desdonnées pour alibrer l'image. Ces

appa-reils reçoivent le signalradar, l'amplient et leretournent vers le radar ave

uneintensitédéterminée. En onnaissant l'intensitéde e signaldansl'image,

laréponsedesautres stru turespeutêtretrouvée par extrapolation.

 Erreur de démodulation : les imageurs radars sont aussiae tés par des

erreursdedémodulationtemporellesauniveauduré epteurradar,duesàdes

retardsindéterminés danslesignalreçu.Celagénèreuneimage radarae tée

par deserreursmultipli ativesau niveau de laphase[Morrison2006℄.

 Présen e d'é hos parasites : desé hosparasites, aussiappelés fantmes,

ou lutter,peuventapparaîtreà ausedesréexionsmultiples.Typiquement,

ils proviennent du sol, de l'eau, des turbulen es atmosphériques, et peuvent

sérieusement ae terlesperforman esdessystèmesradars,notammenten

o - ultantdespoint- ibles.Ceseetspeuventêtreévitésgrâ eàdespolarisations

bien hoisies [Unal 2009℄, ou bien par ltrage numérique [Banjanin 1991℄. Il

peutêtreintéressant desupprimer lesé hosparasites naturelstouten

onser-vant les é hos parasites relatifs aux onstru tions de l'humain, qui peuvent

ontenirdesinformationsintéressantes(parexemple,lesé hospon tuels

pro-venant des immeubles). Une telle appli ation est explorée dans [Fogler1994℄

enprojetant lesimages dansledomaine log-magnitude.

 Mouvement de ibles : lemouvement des ibles, telles quelesvoituresou

lesbateaux, peuvent modier les observations [Raney1971℄.

 Ombres : le phénomène d'ombres peut se omprendre fa ilement puisqu'il

apparaîtaussidansle as ourantdel'imagerieoptique.Ildépendnotamment

de l'angle d'illumination de l'antenne du radar. En général, les régions

om-bragées apparaissent plus sombres sur une image, ar il n'y a pas d'énergie

disponiblepourlarétrodiusion,etne ontiennentquetrèspeud'information

sur la zone observée. Cependant, es ombres peuvent être exploitées à bon

es ient,ets'avérertrès utiles dansleszones urbaines,soit pour aiderà la

dé-terminationdelahauteurd'unbâtiment, soitpourdéte terlesbâtimentspar

utilisation d'images radarsinterférométriques [Tison 2003b℄.

De nombreux autres éléments peuvent ae ter les données à pleine résolution

( ompression, bruit de apteur...), maisnous avonslisté i i eux qui, à notre sens,

sont les plus importants étant donné le problème onsidéré dans e manus rit de

thèse.

2.1.1.6 Les images RSO en pratique

Dans ette brève sous-partie, nousallons dé rire les allures desa quisitions au

vudesdiverseszonesobservéesdansles imagesRSOquenousavonstraitées.

Lazonelaplusimportantepournousestlazoneurbaine,surlaquellenous

(a)StripMap (b)Spotlight

( )Balayage

Fig. 2.5 Modesd'a quisitiond'unradarRSO, i iillustré ommeradaraéroporté

[www.radartutorial.eu℄.

omme des oins rée teurs. Ainsi, l'allure générale d'une zone urbaine est un

en-semble de points très lumineux assez irréguliers, ar entre oupés, en général, de

zones d'ombres( f. 2.1.1.5). Onparlerapar lasuite d'hétérogénéité de eszones.

Dans un ontexte de atastrophes naturelles, les images RSO ont leur

impor-tan e [Boni 2007℄. En eet, dans le as d'une inondation, ou même plus

générale-ment de présen ed'eau, le oe ient de rétrodiusion, en général, diminue, e qui

se traduit sur l'image par des zones sombres. Ainsi, il est plus aisé de relever des

zoneshumidesgrâ eàdetelles ara téristiquesphysiques,pluttquesurdesimages

optiques,pourlesquellesnouspouvonsavoirdesérieusesindéterminations.Eneet,

visuellement, dans les images optiques, la ouleur de l'eau lors d'inondations peut

varier entre plusieurs bleus, du vert ou du marron si elle- i est boueuse. Dans le

as de feux de forêts, le oe ient de rétrodiusion augmente, générant des zones

plus laires quelamoyenne.

Enn, leszones de végétation, quenousavonspré édemment évoquéesen

illus-tration des eets du hatoiement (voir 2.1.1.4), sont des zones ta hetées dans des

niveaux de gris intermédiaires entre les zones d'eau sombres et les zones urbaines

assez laires.

2.1.1.7 Les modes d'a quisition

Trois modes d'a quisition sont généralement possibles (Fig. 2.5) par les radars

à synthèse d'ouverture.Jusqu'à présent,nousavonsparlé dumode en bande,aussi

d'uti-Fig.2.6 Vue d'artisted'unsatelliteCOSMO-SkyMed[www.mitsubishi orp. om℄.

ousatellite,età unanglexed'in iden everslesol.Ilbalaie ainsiun ouloirayant

omme largeur elledufais eauet ommelongueur letrajetee tuéparleporteur.

Le mode de saisie hyperne, désigné par le terme anglais de Spotlight, permet

d'obtenir une haute résolution (dans la dire tion azimutale) omme son nom

l'in-dique.Ils'agitd'orienterleradartoujoursverslamêmezonelorsdudépla ementdu

porteur.Dans emode,uneantenneréseauà ommandedephasedontlefais eauest

orienté grâ eàun logi ielestutilisée. Celapermet d'obtenirunplus grand nombre

de balayages de la zone d'intérêt que dans le mode lassique et don plus

d'infor-mations, e quiapour eetd'augmenterlalongueur del'ouverture synthétique.Le

toutsefait ependant aux dépends dela ouverture spatiale [Wahl 1996℄.

Le dernier mode est le balayage, onnu aussi sous le nom de S anSAR, pour

lequellefais eauradaree tueunbalayageangulaire entrelepoint sousleporteur

(lenadir)etunangledonnéd'in iden eausol.Commeleporteur,avionousatellite,

sedépla e,le ouloirsondéprendralaformed'unesériedebandeenzigzagssil'angle

varielinéairement du nadirversl'extérieur, puis l'inverse.

2.1.2 Le satellite COSMO-SkyMed

COSMO-SkyMed(COnstellationofsmallSatellitesforMediterraneanbasin

Ob-servation) (CSK) est un ensemble de satellites d'observation de la Terre italien, et

est exploité onjointement pour des appli ations iviles et pour la défense. Cette

onstellation est formée de quatre satellites (Fig. 2.6) à orbite basse, eux-mêmes

baptisésCSK, ha un étantéquipéd'unsystèmeRSOmultimode opérantenbande

X(

9.6

gigahertz).Unetelle ombinaisonpermetune ouvertureglobaledelaTerre,

et un temps de revisite faible. Ce dernier est de

12

heures, e qui signie qu'une

même zonepeutêtre balayée deuxfoisdanslamême journée. Ce iestun avantage

onsidérabledansle adredesrisquesnaturels,pourlesquelsuneobservation

multi-temporellerappro hée estné essaire, typiquement pour la oordinationdesse ours.

Lesdeuxpremierssatellitesont étélan ésen

2007

,letroisièmeen

2008

etledernier

moduleen

2010

.

Comme illustré dans la Figure 2.7, les a quisitions peuvent se faire selon trois

modes(voirlasous-partie 2.1.1.7),selon larésolution souhaitée :

Fig. 2.7  Les trois modes d'a quisition du apteur COSMO-SkyMed

[www.eurimage. om

/

produ ts

/

pdf

/

sk

−

user_g uide .pdf℄,dumoinsrésolu(àgau he)

au mieuxrésolu(à droite).

(

10 × 10

km).

 ModesStripMap,pourdesrésolutionsdeplusieursmètrespermettant

l'a qui-sitiondezonesdeplusieurs dizainesde kilomètres(autourde

30 × 30

km) :un

mode HImageà polarisation simple derésolution

3

mètres, etun mode

Ping-Pongderésolution

15

mètres,quipermetd'a quérirdesimagesàpolarisation

multiple ( ombinaisons HH, VV,HV etVH,voir lasous-partie2.1.1.2).

 Modes S anSAR pour des résolutions moyennes à faibles (

30

mètres à

100

mètres)permettantl'observationdezonestrèsétendues(zonesdeplusde

100×

100

km). Ils sont désignés par WideRegion etHugeRegion. Nous n'entrerons

pas dans les détails on ernant e mode d'a quisition étant donné que les

résolutionssont beau ouptropfaibles,etquenous her honsàtravailler ave

desimages àhauterésolution.

Le mode StripMap HImage, étant le mode par défaut, nous avons travaillé

essen-tiellement sur e type d'a quisitions. Dans les sous-parties suivantes, e mode sera

simplement désigné omme mode StripMap. Le as multipolarisation sera désigné

ommemode PingPong.

Outre les a quisitions polarimétriques, qui sont parfois utilisées dans ette

thèse, la onstellation permet l'a quisition de données interférométriques

(sous-partie 2.1.1.3), appelé mode Tandem.

Laplupartdesimages-testsprésentéesdansles hapitre suivantssontdesimages

obtenues grâ e à l'agen e spatiale italienne (ASI) dans le adre du projet

Déve-loppement et validation de méthodes d'analyse d'images multitemporelles pour la

surveillan e multirisques de stru tures ritiques et d'infrastru tures (2010-2012).

De plus amples informations on ernant la mission COSMO-SkyMed sont

dis-poniblessurlesite web www. osmo-skymed.it.

2.1.3 Le satellite TerraSAR-X

Fig. 2.8 Vued'artiste dusatellite TerraSAR-X (

EADS-Astrium).

TerraSAR-X(TSX)estunefamille desatellitesradars d'observationde laTerre

allemandsdéveloppéedansle adred'unpartenariatpubli -privéentrel'agen e

spa-tialeallemande(DLR)etEADSAstriumAllemagne.LepremiersatelliteT

erraSAR-X a été lan é en 2007. Il a été rejoint en 2010 par un satellite jumeau T

anDEM-X (TerraSAR-X add-on for Digital Elevation Measurements) en vue d'obtenir des

imagesinterférométriques.Les ara téristiquesdusatelliteTSX(Fig.2.8)sont

simi-laires à elles dusatellite CSK. En parti ulier, omme sonnoml'indique, labande

d'a quisitionest labande X.Quatre modesd'a quisition sont possibles:

 ModeSpotlightàhauterésolution,pourdesrésolutionsde

1, 1

mètreen

pola-risationsimpleet

2, 2

mètresenmultipolarisation,surdespetiteszones(

5×10

km).

 Mode Spotlight pour des résolutions de

1, 7

mètre en polarisation simple et

3, 4

mètresen multipolarisation surdespetiteszones(

10 × 10

km).

 ModeStripMap,pourdesrésolutionsdeplusieurs mètres(autourde

3

mètres

enpolarisation simple,

6

mètres en modePingPong) permettant l'a quisition

dezones de plusieurs dizainesde kilomètres(autour de

30 × 30

km).

 ModeS anSARpourdesrésolutionsde

18, 5

mètres,permettantl'observation

dezones très étendues (zones deplus de

100 × 150

km). Unfois en ore,nous

nedétaillerons pas emode d'a quisitionétant donnéqueles résolutionssont

beau oup trop petites, et que nous her hons à travailler ave des images à

hauterésolution.

LemodepardéfautestlemodeStripMap.Unedesdiéren esnotablesave le

satel-liteCSK estla possibilité d'a quérir desimages SpotLight à polarisation multiple,

làoù CSK neserestreint qu'à uneseule polarisation.

a quisitions les plus simultanées possibles( ondition sine qua non pour établir les

modèles d'élévation ave les données interférométriques), le temps de revisite est

plus long, à savoirde

1

à

3

jourspour des zones spé iques,jusqu'à

11

jours pour

deszones situées àl'équateur.

2.2 L'imagerie optique

Unsystèmed'a quisitionoptiqueestunsystèmeditpassif, aril aptelesondes

émises naturellement par lemilieu observé. Ce type d'images est moinsae tépar

le bruit queles images radars arl'illumination in ohérentene génère pas de bruit

de hatoiement.Lesbruitslesplus ara téristiquessont lebruitthermique, lebruit

de apteur et le bruit atmosphérique, qui inuent sur les a quisitions. Ces deux

derniers peuvent être ompensés,etne dégradent quepeul'image.En revan he,les

onditions météorologiques ont un fortimpa t, e quidonne en général desimages

partiellement a héespardesnuages.Enoutre,lesprisesdevuedenuitnesontpas

exploitablesen général.

Lefon tionnementdusystèmed'a quisitionestfondésuruntéles opeembarqué

àbordd'unsatellite.L'obje tifdutéles opeest omposédedeuxmiroirs,unmiroir

dit primaire etun miroir se ondaire. La lumière émisepar lazoneobservée atteint

le miroir primaire, qui fo alise elle- i en un point appelé foyerimage. Ce fais eau

onvergentpeutêtrerenvoyéversuno ulaireàl'aidedumiroirse ondaire.L'o ulaire

est la partie de l'instrument qui permet d'agrandir l'image produite par l'obje tif

au niveau dufoyer-image, en sommeil s'agitd'une loupe.Nousne détaillerons pas

davantagelesprin ipesdestéles opesspatiaux, eux- in'étantpasunpoint lédans

ette thèse.Nous proposons de nousfo aliser surles satellites Pléiades et GeoEye,

qui sont deux satellites optiques haute-résolution spé iques dont les a quisitions

nous ont permis d'établir des tests de lassi ation sur des images multi apteur.

D'autres missions de e type sont en ours, notamment, Qui kBird, IKONOS et

WorldView,que nousneprésentons pasdans ette thèse.

2.2.1 Le satellite GeoEye

Le satellite que nous dénommons de manière abusive GeoEye est le satellite

améri ain GeoEye-1, qui aété lan éen

2008

.Il est notamment un desfournisseurs

d'images pour les sites Google Maps et Google Earth. Son homologue GeoEye-2

est prévu pour

2013

. Ce satellite possède deux modes, un mode pan hromatique

(niveaux de gris) pour lequel la résolution est de

41

entimètres et un mode

mul-tispe tral pour lequellarésolutionspe trale estmeilleureaudétrimentd'unemoins

bonnerésolution (

1, 65

mètre). Enpratique,legouvernement améri ain imposeque

les images pan hromatiques soient ré-é hantillonnées à

50

entimètres en ayant

re- ours àune onvolutionbi- ubique pour laventeen dehors duterritoire améri ain.

Les diérentes bandesmultispe trales sont lesbandes bleue, verte,rouge etpro he

Fig.2.9  Vue d'artistedu satelliteGeoEye[www.satimaging orp. om℄.

2.2.2 Le satellite Pléiades

Fig.2.10  Vue d'artistedu satellite Pléiades(

CNES).

Pléiades est un ouple de deux satellitesoptiques d'observation de laTerre

dé-veloppé notamment par l'agen e spatiale française (CNES) dans un but à la fois

iviletmilitaire(dual).Pléiadesaétémis aupoint onjointementàla onstellation

COSMO-SkyMedsousl'égideduprogrammeORFEO(Opti alandRadarFederated

Earth Observation) en vue d'une oopération spatiale fran o-italienne. Pléiades-1

a été lan é n 2011, et Pléiades-2 sera lan é d'i i 2013. Par abus de langage, nous

parlerons du module satellitaire Pléiades-1 ommeétant le satellite Pléiades. Tout

omme GeoEye, e satellite possède deux modes, un mode pan hromatique et un

mode multispe tral. Cesdeux modessontpossiblesgrâ eàdeux déte teurs

embar-qués, l'un permettant la déte tion pan hromatique et l'autre plus petit en terme

de nombre de pixels, mais plus évolué (assemblage de lignes photosensibles), qui

permet d'a quérir quatre bandes spe trales (bleu, vert, rouge, pro he infrarouge).

L'obje tif du programme Pléiades est de fournir une nouvelle génération d'images

multis-pe tral. En outre, après traitement par des stations au sol de l'agen e spatiale, la

tailledespixelsestde

50

entimètresenmodepan hromatiqueet

2

mètresenmode

multispe tral.Le hampdevue enviséeverti ale peut s'étendrejusqu'à

20

km.En

ombinant mathématiquement des mosaïques d'images, il est possible d'élargir le

hampde vueà

100 × 100

km.Selonl'anglede laprise devue, letemps de revisite

est inférieurà une journée, maispeuts'étendre à plusieursjours.

2.3 Con lusion

Nousavonsprésentédans e hapitrelate hnologieRSO,quiestunete hnologie

radarévoluée,munieàlafoisd'une ompressiond'impulsionetd'unesynthèse

d'ou-verture qui visent à apporter une bonne résolution en distan e et en azimut tout

en minimisant le bruit thermique inhérent à e type d'images. Ces systèmes

per-mettent d'obtenirdes images d'unezonequelles quesoient l'illuminationsolaire et

les onditionsmétéorologiques.Cependant,lebruitde hatoiementestomniprésent,

enparti ulierdansleszonesàfort oe ientderétrodiusion,etrendletraitement

de es images plus ardu. Ce hatoiement est un phénomène physique qui ne peut

être réduitsansdégraderlarésolution initialedel'image.Nousavons,ensuite,

briè-vement évoqué les imageurs optiques, dont les a quisitions sont moins bruitées et

mieux résolues,maisbeau oupplussensibles aux onditions extérieures.

Dansles hapitressuivants(Chaps.4et5),nous her honsàétablirdes artesde

lassi ation d'imagesRSOetégalementsurdesimagesmulti apteur. Lespremiers

tests ont été réalisés sur des images RSO à polarisation simple, ave une possible

extension à des images multipolarisées. Puis, nous avons her hé à étendre notre

ontribution à l'étude de données multirésolution en ayant re ours à des modèles

markoviens hiérar hiques. Enn, reétant l'intérêt de programmes tels que le

pro-gramme ORFEO, nous avons pu souligner une ertaine omplémentarité entre les

a quisitionsoptiquesetradar.Ainsi,ilestimportant,dansun ontextede

lassi a-tion, de pouvoirtrouverdesméthodesqui sontsusamment généralespour traiter

indépendamment ou de manière simultanée es types d'a quisition. L'exploitation

de la omplémentarité peut avoir un impa t positif sur les résultats naux

atten-dus. Nous avons don pour but nal de ette thèse la mise en pla e de méthodes

de lassi ation qui seveulent relativement générales pour permettre de traiter un

Modélisation statistique des

images

Sommaire

3.1 Modélisationstatistique des probabilitésmarginales . . . . 25

3.1.1 Modélisationstatistiquedesimages optiques . . . 25

3.1.2 Modélisationstatistiquedesimages RSO . . . 26

3.1.3 Modèlesdemélangesnis . . . 30

3.2 Leslimitesdesimagesmonorésolutionàpolarisationsimple

etintrodu tion des attributs de texture . . . 37

3.2.1 Attributsdetexture . . . 41

3.2.2 Modélisationstatistiquedesattributs detexture . . . 44

3.3 Modélisation des statistiques jointes par utilisationde

o-pules . . . 46