ign satellite
Transcription
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