slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Classification Multi Source Des Données Optiques En Intégrant La Texture PowerPoint Presentation
Download Presentation
Classification Multi Source Des Données Optiques En Intégrant La Texture

Loading in 2 Seconds...

play fullscreen
1 / 32

Classification Multi Source Des Données Optiques En Intégrant La Texture - PowerPoint PPT Presentation


  • 55 Views
  • Uploaded on

Classification Multi Source Des Données Optiques En Intégrant La Texture. Présenter Par: BOUDALI Nourredine. Plan De Travail. Télédétection & Imagerie. Approche Utilisée. Mise En Ouvre. Mise En Ouvre. Conclusion & Perspectives. Conclusion.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Classification Multi Source Des Données Optiques En Intégrant La Texture' - page


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

Classification Multi Source

Des Données Optiques

En Intégrant La Texture

Présenter Par:

BOUDALINourredine

slide2

Plan De Travail

Télédétection & Imagerie

Approche Utilisée

Mise En Ouvre

Mise En Ouvre

Conclusion & Perspectives

Conclusion

slide3

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

DéfinitionLesÉtapesImageSatellitaireTraitements D’Images

Qu’est ce que la télédétéction ?

Techniques d’observation

Télédétection

DétectionàDistance

Mise En Ouvre

Plateforme

Conclusion

slide4

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

DéfinitionLesÉtapesImageSatellitaireTraitements D’Images

Application

Enregistrement de l’énergie par le capteur

Source d’énergie ou d’illumination

Interaction rayonnement atmosphère

Transmission, réception et traitement

Interaction avec la cible

Mise En Ouvre

Refléxion

Interprétation et analyse

Absorbtion

Conclusion

Transmission

slide5

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

DéfinitionLesÉtapes Image Satellitaire Traitements D’Images

Au format numérique

Pixel

Image satellitaire

Télédétection & Imagerie

Mise En Ouvre

Conclusion

slide6

Télédétection & Imagerie Approcheutilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Classification basée sur L’information spectrale

Résultats Pertinents

Télédétection & Imagerie

Mise En Ouvre

Classification Texturale

Conclusion

slide7

Télédétection & Imagerie Approcheutilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Problématique : Analyse Texturale

  • Il existe pas une définition précise et rigoureuse
  • C’est pas de proposer d’une nouvelle définition

Mise En Ouvre

  • Extraction certaines information caractéristique de la texture

Conclusion

slide8

Télédétection & Imagerie Approcheutilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Analyse basée sur la description de l'histogramme

Inconvénient

Télédétection & Imagerie

pas d'information sur la localisation du pixel

Pour une analyse plus précise

Mise En Ouvre

La Matrice de cooccurrence

Conclusion

slide9

Télédétection & Imagerie Approcheutilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

La Matrice de cooccurrence

Permet de: Déterminer la fréquence d'apparition d'un "motif" formé par 2 pixels

2 paramètres :

d : la distance entre les 2 pixels

θ : l'angle de la droite reliant ces 2 pixels par rapport à l'horizontale

Télédétection & Imagerie

Mise En Ouvre

slide10

Télédétection & Imagerie Approcheutilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

La Matrice de cooccurrence

Télédétection & Imagerie

14 indices texturaux

HARRALICK 1973

Conclusion

slide11

Télédétection & Imagerie Approcheutilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

La Matrice de cooccurrence

Télédétection & Imagerie

Mise En Ouvre

Conclusion

slide12

Télédétection & Imagerie Approcheutilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Intégration des indices texturaux issues par la matrice de cooccurrence

Télédétection & Imagerie

Mise En Ouvre

Classification Neuronale Supervisée

Conclusion

slide13

Télédétection & Imagerie Approcheutilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Le Neurone Biologique

Les Réseaux De Neurones

Mise En Ouvre

Conclusion

slide14

Télédétection & Imagerie Approcheutilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Le Neurone Formel

Télédétection & Imagerie

Mise En Ouvre

Conclusion

slide15

Télédétection & Imagerie Approcheutilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Mise En Ouvre

Conclusion

slide16

Télédétection & Imagerie Approcheutilisée Mise En Ouvre Conclusion

Texture D’Image Méthodes D’analyses de la texture Classification Texturale

Mise En Ouvre

Conclusion

slide17

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

Site D’Etude Les Données Utilisées Méthode Utilisée Résultats Conclusion

Composition colorée des trois canaux (TM1, 3, 4 du 15 mars 1993)

Conclusion

slide18

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLes Données UtiliséesMéthode Utilisée Résultats Conclusion

Canal 1

Image satellitaire

Canal 2

Télédétection & Imagerie

Canal 3

Composotion

Mise En Ouvre

Le canal TM4 est utilisé pour extraction des paramètres de textures issues de la matrice de cooccurrence.

Conclusion

slide19

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLes Données UtiliséesMéthode Utilisée Résultats Conclusion

Différents Classes De L’Image

Télédétection & Imagerie

Mise En Ouvre

Conclusion

slide20

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLesDonnéesUtiliséesMéthodeUtilisée Résultats Conclusion

Indice texturaux issue par la matrice de cooccurrence

Images TM1.3.4

Composition Colorée

Télédétection & Imagerie

Amélioration

Echantionnage

Apprentissage

Classification

slide21

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLesDonnéesUtiliséesMéthode Utilisée Résultats Conclusion

Classification normale sans la donnée texturale 

Nombre de neurone de la couche d’entrée : 03

Nombre de neurone de la couche cachée : 12

Nombre de neurone de la couche de sortie :10

Nombre d’itération : 50000 itération.

Le seuil d’activation : 0.03

Le pas d’apprentissage : 0.5

Télédétection & Imagerie

Mise En Ouvre

Conclusion

slide22

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLesDonnéesUtiliséesMéthode Utilisée Résultats Conclusion

Télédétection & Imagerie

Taux de classification : 96,75%

Conflits: urbain dans sebkha1

Conclusion

slide23

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLesDonnéesUtiliséesMéthode Utilisée Résultats Conclusion

Télédétection & Imagerie

Mise En Ouvre

Conclusion

slide24

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLesDonnéesUtiliséesMéthode Utilisée Résultats Conclusion

Classification normale avec la donnée texturale 

Nombre de neurone de la couche d’entrée : 08

Nombre de neurone de la couche cachée : 12

Nombre de neurone de la couche de sortie :10

Nombre d’itération : 50000 itération.

Le seuil d’activation : 0.03

Le pas d’apprentissage : 0.5

Télédétection & Imagerie

Mise En Ouvre

Conclusion

slide25

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLesDonnéesUtiliséesMéthode Utilisée Résultats Conclusion

8emeEssai: La taille de la fenêtre 5*5, pas de déplacement : 01, angle d’orientation : 90°.

Taux de classification : 98,83%

Conflits:

La diminution entre urbain & sebkha1

Foret et la classe urbain

Télédétection & Imagerie

Mise En Ouvre

Conclusion

slide26

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLesDonnéesUtiliséesMéthode Utilisée Résultats Conclusion

Télédétection & Imagerie

Mise En Ouvre

Conclusion

slide27

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLesDonnéesUtiliséesMéthode Utilisée Résultats Conclusion

11emeEssai: La taille de la fenêtre 5*5, pas de déplacement : 01, angle d’orientation : 135°.

Télédétection & Imagerie

Taux de classification : 98,42%

Conflits:

Diminution du conflit entre urbain & sebkha1

Urbain & la classe jachère

Foret dans la classe urbain

Mise En Ouvre

Conclusion

slide28

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLesDonnéesUtiliséesMéthode Utilisée Résultats Conclusion

Télédétection & Imagerie

Mise En Ouvre

Conclusion

slide29

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLesDonnéesUtiliséesMéthode Utilisée Résultats Conclusion

La classification normale sans extraction des paramètre texturaux

96,75%

Télédétection & Imagerie

La classification normale avec extraction des paramètre texturaux (d=1; 5*5; 90°;135°)

Mise En Ouvre

98,83% , 98,42%

la comparaison enregistre une amélioration de 2,08%

Conclusion

slide30

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLesDonnéesUtiliséesMéthode Utilisée RésultatsConclusion

Conclusion

La définition de la texture est presque aussi difficile que la mesurée

Les résultats de classification texturale sont nettement supérieurs à ceux obtenus à partir de la classification des données brutes.

Amélioration significative de 2.08% par rapport à la classification des données brutes

offre aussi un grand pouvoir discriminatoire entre les thèmes ayant de forte similitudes (urbain & sebkha).

Télédétection & Imagerie

Mise En Ouvre

Conclusion

slide31

Télédétection & Imagerie Approche utilisée Mise En Ouvre Conclusion

SiteD’EtudeLesDonnéesUtiliséesMéthode Utilisée RésultatsConclusion

Perspective

  • distance minimale, K plus proche voisins
  • Séparateur à vaste Marge SVM
  • les algorithmes génétiques
  • la transformation en ondelettes

Télédétection & Imagerie

Mise En Ouvre

Conclusion

Autres Types d’image a différentes résolution et issues d’autre types de capteurs