|
|
Olivier Zammit
Ancien Doctorant, INRIA / Silogic
 Mots-clés : Champs Markoviens, Segmentation, Classification, Extraction d'objets, Arbres / Foret
 Démo : voir la démo de l'auteur
 Contact :
| E-Mail : | | OlivierdotZammitatinriadotfr | | Téléphone : | | (33)4-92-38-75-66 | | Fax : | | (33)4-92-38-76-43 | | Adresse : | | INRIA Sophia Antipolis
2004, route des Lucioles
06902 Sophia Antipolis Cedex
France |
|
| Résumé :
Le but de cette thèse est d'évaluer et de quantifier les dégâts produits par les feux de forêt.
La télédétection à partir d'images satellitaires est particulièrement adaptée à cette étude. On s'attachera à extraire les informations radiométrique et texturale des différents canaux de SPOT V. Pour ce faire, nous étudierons une approche récente de classication nommée SVM (Support Vector Machines").
En sortie, nous obtiendrons une cartographie des zones brulées permettant de les référencer, de quantifier leur surface et de les replacer dans leur contexte géographique. |
Dernières publications dans le projet Ariana :
Unsupervised One-Class SVM Using a Watershed Algorithm and Hysteresis Thresholding to Detect Burnt Areas.
O. Zammit et X. Descombes et J. Zerubia. Dans Proc. International Conference on Pattern Recognition and Image Analysis (PRIA), Nizhny Novgorod, Russia, septembre 2008.
Mots-clés : Classification, Segmentation, Support Vector Machines, Zones brûlées, Feux de foret, Imagerie satellitaire.
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 |
= |
{septembre}, |
| 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, Zones brûlées, Feux de foret, Imagerie satellitaire} |
| } |
Détection de zones brûlées après un feu de forêt à partir d'une seule image satellitaire SPOT 5 par techniques SVM.
O. Zammit. Thèse de Doctorat, Universite de Nice Sophia Antipolis, septembre 2008.
Mots-clés : Classification, Imagerie satellitaire, Zones brûlées, Feux de foret, Support Vector Machines, Croissance de Region.
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 |
= |
{septembre}, |
| school |
= |
{Universite de Nice Sophia Antipolis}, |
| url |
= |
{http://tel.archives-ouvertes.fr/tel-00345683/fr/}, |
| keyword |
= |
{Classification, Imagerie satellitaire, Zones brûlées, Feux de foret, Support Vector Machines, Croissance de Region} |
| } |
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 et X. Descombes et J. Zerubia. Dans Proc. European Signal Processing Conference (EUSIPCO), Lausanne, Switzerland, août 2008.
Note : à paraître.
Mots-clés : Classification, Imagerie satellitaire, Support Vector Machines, Zones brûlées, Feux de foret, 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 |
= |
{août}, |
| booktitle |
= |
{Proc. European Signal Processing Conference (EUSIPCO)}, |
| address |
= |
{Lausanne, Switzerland}, |
| url |
= |
{http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7080254}, |
| keyword |
= |
{Classification, Imagerie satellitaire, Support Vector Machines, Zones brûlées, Feux de foret, Clustering} |
| } |
|
Liste complète des publications dans le projet Ariana
|
|
Rapport d'activité 2011
