|
|
Olivier Zammit
Former PhD Student, INRIA / Silogic
 Keywords : Markov Random Fields, Segmentation, Classification, Object extraction, Trees / Forest
 Demo : see this author's demo
 Contact :
| Mail : | | OlivierdotZammitatinriadotfr | | Phone : | | (33)4-92-38-75-66 | | Fax : | | (33)4-92-38-76-43 | | Postal adress : | | INRIA Sophia Antipolis
2004, route des Lucioles
06902 Sophia Antipolis Cedex
France |
|
| Abstract :
The aim of this PhD is to evaluate and quantify the damage caused by forest fires.
Remote sensing from space is suitable for this study. We will extract the radiometric ant textural informations from the different channels of SPOT V. The classification by SVM (Support Vector Machines) is well adapted to this problem.
A cartography of the burned areas will be produced and validated, which will allow to reference them, to estimate their surface area and to replace them into the geographic context. |
Last publications in Ariana Research Group :
Unsupervised One-Class SVM Using a Watershed Algorithm and Hysteresis Thresholding to Detect Burnt Areas.
O. Zammit and X. Descombes and J. Zerubia. In Proc. International Conference on Pattern Recognition and Image Analysis (PRIA), Nizhny Novgorod, Russia, September 2008.
Keywords : Classification, Segmentation, Support Vector Machines, Burnt areas, Forest fires, Satellite images.
Copyright :
@INPROCEEDINGS{zammit_pria_08,
|
| author |
= |
{Zammit, O. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Unsupervised One-Class SVM Using a Watershed Algorithm and Hysteresis Thresholding to Detect Burnt Areas}, |
| year |
= |
{2008}, |
| month |
= |
{September}, |
| booktitle |
= |
{Proc. International Conference on Pattern Recognition and Image Analysis (PRIA)}, |
| address |
= |
{Nizhny Novgorod, Russia}, |
| pdf |
= |
{http://hal.inria.fr/inria-00316297/fr/}, |
| keyword |
= |
{Classification, Segmentation, Support Vector Machines, Burnt areas, Forest fires, Satellite images} |
| } |
Détection de zones brûlées après un feu de forêt à partir d'une seule image satellitaire SPOT 5 par techniques SVM.
O. Zammit. PhD Thesis, Universite de Nice Sophia Antipolis, September 2008.
Keywords : Classification, Satellite images, Burnt areas, Forest fires, Support Vector Machines, Region Growing.
Copyright :
@PHDTHESIS{zammit_these_08,
|
| author |
= |
{Zammit, O.}, |
| title |
= |
{Détection de zones brûlées après un feu de forêt à partir d'une seule image satellitaire SPOT 5 par techniques SVM}, |
| year |
= |
{2008}, |
| month |
= |
{September}, |
| school |
= |
{Universite de Nice Sophia Antipolis}, |
| url |
= |
{http://tel.archives-ouvertes.fr/tel-00345683/fr/}, |
| keyword |
= |
{Classification, Satellite images, Burnt areas, Forest fires, Support Vector Machines, Region Growing} |
| } |
Résumé :
Cette thèse aborde le problème de cartographie de zones brûlées à partir d'images satellitaires haute résolution. Nos modèles reposent sur le traitement d'une seule image SPOT 5, acquise après le feu afin de détecter automatiquement les zones brûlées.
Le modèle est fondé sur les Séparateurs à Vaste Marge (SVM), une technique de classification supervisée qui a démontré une meilleure précision et une meilleure capacité de généralisation que les algorithmes de classification plus traditionnels. Concernant notre problème de détection, les différentes zones brûlées possèdent des caractéristiques spectrales assez similaires, au contraire des zones non brûlées (végétation, routes, eau, zones urbaines, nuage, ombre...) dont les caractéristiques spectrales varient énormément. Nous proposons donc d'utiliser les One-Class SVM, une technique qui dérive des SVM mais qui n'utilise que des exemples de pixels brûlés pour les phases d'apprentissage et de classification.
Afin de prendre en compte l'information spatiale de l'image, l'algorithme OC-SVM est utilisé comme une technique de croissance de régions, ce qui permet de diminuer les fausses alarmes et d'améliorer les contours des zones brûlées.
De plus, la base d'exemple de pixels brûlés nécessaire à l'apprentissage des techniques SVM est déterminée automatiquement à partir de l'histogramme de l'image.
Finalement, la méthode de classification proposée est testée sur plusieurs images satellitaires afin de valider son efficacité selon le type de végétation et la surface des zones brûlées. Les zones brûlées obtenues sont comparées aux vérités de terrain fournies par le CNES, Infoterra France, le SERTIT, les Services Départementaux d'Incendies et de Secours ou l'Office National des Forêts. |
Combining One-Class Support Vector Machines and hysteresis thresholding: application to burnt area mapping.
O. Zammit and X. Descombes and J. Zerubia. In Proc. European Signal Processing Conference (EUSIPCO), Lausanne, Switzerland, August 2008.
Note : to appear.
Keywords : Classification, Satellite images, Support Vector Machines, Burnt areas, Forest fires, Clustering.
Copyright :
@INPROCEEDINGS{zammit_eusipco_08,
|
| author |
= |
{Zammit, O. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Combining One-Class Support Vector Machines and hysteresis thresholding: application to burnt area mapping}, |
| year |
= |
{2008}, |
| month |
= |
{August}, |
| booktitle |
= |
{Proc. European Signal Processing Conference (EUSIPCO)}, |
| address |
= |
{Lausanne, Switzerland}, |
| url |
= |
{http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7080254}, |
| keyword |
= |
{Classification, Satellite images, Support Vector Machines, Burnt areas, Forest fires, Clustering} |
| } |
|
All publications in Ariana Research Group
|
|
New demo webpage
