Zakaria Mabed Université de Marne la Vallée École Nationale des Sciences Géographiques (France)

1. Application d’algorithmes d’extraction de la couleur et des textures à partir d’images aériennes dans le contexte de l’extraction de bâtiments pour supporter le peuplement des bases de données géospatiales à représentation multiples Zakaria Mabed Université de Marne la Vallée École Nationale des Sciences Géographiques (France) UNIVERSITÉLAVAL

2. Introduction • Ce projet de stage s’inscrit dans le cadre des travaux de Doctorat de Benoît Frédéricque • Objectif général du Doctorat • Réduction des interventions de l’opérateur dans le processus de peuplement des bases de données 3D à représentation multiple (BDRM-3D) • Moyens: • Implication explicite de connaissances a priori dans le processus • Exploitation du concept de Instance Driven SASS • Objectif spécifique du stage • avoir un ou plusieurs algorithme(s) performants qui extraient le contour des bâtiments en connaissant a priori leurs couleurs et éventuellement leurs textures

3. Organisation du projet de stage • Objectif spécifique du stage • avoir un ou plusieurs algorithme(s) performants qui extraient le contour des bâtiments en connaissant a priori leurs couleurs et éventuellement leurs textures • Problématiques: • Quelles sont les différentes méthodes d’exploitation de la couleur? • Est-ce que la couleur peut aider l’extraction des contours? • Est-ce que la couleur apporte une contribution supplémentaire aux approches traditionnelles d’extraction de contour?

4. Organisation du projet de stage • Le stage se divise en 2 parties : • État de l’art des algorithmes de segmentation d’images en couleur (mars -> avril) • Définition des espaces de couleur les plus appropriés • Sélection des méthodes les plus en adéquation avec le contexte général du projet (méthodes simples, robustes, rapides, …) • Développement et tests (mai -> août) • Réalisation d’une application logicielle impliquant les méthodes de segmentation sélectionnées • Réalisation d’un banc d’essai sur des jeux de données représentatifs (images satellitaires Quickbird et Ikonos)

5. Choix d’un espace colorimétrique • Différents espaces colorimétriques • L’espace Rouge Vert Bleu (RVB) • Il est basé sur la trichromie • C’est le plus utilisé • Les espaces Lab et Luv • L désigne la luminance et a,b et u,v la couleur • Ce sont des espaces uniformes : Les couleurs sont différenciée de la même manière que par notre oeil • L’espace Teinte Saturation Luminance (TSL) • C’est l’espace le plus perceptuel • L’espace TSL est le plus intéressant car c’est le plus perceptuel et la teinte est indépendante de certains effets d’ombrage et certains effets spéculaires

6. Exemple : Teinte Saturation Luminance Image Originale Teinte Saturation Luminance

7. État de l’art: la segmentation couleur • Exploitation de la librairie OpenCv d’Intel • Nombreuses fonctions utiles • Détection de contours (Sobel, Canny, …) • Détection de coins • Segmentation d’images (hiérarchique exploitant la couleur, k-means, …) • Fonctions de morphologie mathématique (érosion, ouverture, …) • Fonctions de filtrage • Fonctions de transformation d’espace de couleur • Recherche dans la littérature • « Color Image Segmentation: A State-of-the-Art Survey » (L. Lucchese and S.K. Mitra) • Méthodes utilisant un espace de caractéristiques • Méthodes travaillant directement sur l’image • Méthodes basées sur des modèles physiques

8. État de l’art: la segmentation couleur • Approches retenues pour l’instant • Librairie OpenCv d’Intel • Fonctions de transformation d’espace de couleur • Détection de contours • Sobel (niveaux de gris et espace couleur) • Détection de coins • Fonctions de morphologie mathématique • « Color Image Segmentation: A State-of-the-Art Survey » (L. Lucchese and S.K. Mitra) • Méthodes travaillant directement sur l’image • segmentation par croissance de régions • Méthodes basées sur des modèles physiques • calcul de quasi invariants aux effets spéculaires et d’ombrage

9. Évaluation des résultats • Établir des critères pour choisir les algorithmes les plus adaptés à l’objectif final • temps de calcul • Simplicité des réglages • Robustesse • … • Comparer les contours extraits avec les algorithmes exploitant la couleur avec des données vectorielles (« vérité terrain ») • Qualité de chaque méthode individuelle • Comparer les contours extraits avec chacun des algorithmes exploitant la couleur • Performance relative de chaque méthode • Comparer les contours extraits avec les algorithmes exploitant la couleur avec les contours extraits avec des méthodes ne l’exploitant pas • Apport de la couleur

10. Quelques résultats • Application du filtre Sobel à l’image en niveaux de gris (Composante Intensité) puis seuillage • Application du filtre Sobel à l’image de Teinte puis seuillage

11. Textures ? • Pour l’instant le travail se fait surtout sur la couleur mais de nombreux algorithmes combinent couleur et texture • Les toits des bâtiments sont très peu texturés • recherche sur l’absence de texture? • Exploitation de la texture présente dans l’environnement?

12. Merci de votre attentionQuestions?