ign satellite

Détermination automatique de nomenclatures
pour la classification d’images satellite
IGN - Laboratoire MATIS
73 avenue de Paris 94165 Saint Mandé
Contexte
Le Laboratoire MATIS de l’Institut national de l’information géographique et forestière (IGN)
mène depuis plusieurs années des activités de recherches dans le domaine de la classification de
données de télédétection (images optiques aériennes ou satellite et nuages de points 3D lidar)
pour l’occupation des sols (OCS), en zones urbaines et rurales.
Or, il arrive souvent que la légende d’une occupation du sol (nomenclature) ne soit pas réellement
adaptée à une classification automatique de cette donnée à partir d’images de télédétection. Ainsi,
deux cas de figures opposés peuvent se produire :
— Similarité inter-classes : la légende est trop détaillée, et il est impossible de distinguer automatiquement certains thèmes d’après les images (les bases de données Forêts et Champs
existantes en France comportent plus d’une vingtaine de classes) ;
— Variabilité intra-classe : certains thèmes sont trop généraux et recouvrent en fait des comportements radiométriques ou texturaux très différents rendant difficile leur modélisation
automatique comme une seule classe (ex : une classe générique ”culture” contenant à la
fois des parcelles de sol nu ou végétalisé. . .).
Objectifs du stage
Le travail consistera à déterminer de manière automatique, pour la légende ”utilisateur”
d’une base de donnée d’occupation du sol donnée, la meilleure nomenclature de travail pour une
classification automatique d’images satellites très haute résolution. Pour ce faire, il s’agira de
développer et de combiner l’analyse automatique de matrices de confusion entre classes selon
deux points de vue :
— Par une analyse des confusions inter-thèmes : il s’agira d’identifier les thèmes que l’on
ne peut pas distinguer. Il sera également intéressant de considérer le fait que certaines
bases de données d’occupation du sol (Corine Land Cover, OCS à grande échelle IGN, . . .)
présentent des nomenclatures hiérarchiques : on pourra alors chercher à identifier pour
les différents thèmes quels sont, dans cette hiérarchie, les niveaux sémantiques optimaux
pour la classification.
— Par une analyse des confusions intra-thème : il s’agira de découvrir automatiquement de
nouvelles classes ”implicites” (ex : ardoises contre tuiles). On pourra pour cela améliorer
une méthode développée au laboratoire MATIS dans le cadre de la thèse d’Adrien Gressin
(2014).
Environnement technique
Python/C++ comme langage de programmation.
Compétences
Traitement d’images, classification, télédétection, programmation informatique.
1
Durée & Rémunération
4-5 mois – À partir de février 2015 – 415 euros nets / mois.
Contact
Clément MALLET - Arnaud LE BRIS
Adresse : Laboratoire MATIS - Institut National de l’Information Géographique et Forestière
(IGN),
73 avenue de Paris 94165 Saint Mandé
Téléphone : (+33) 1 43 98 84 36
Courriel : [email protected]
Web : http://recherche.ign.fr/labos/matis
2