Cartographie primaire des zones potentiellement exposées aux glissements de t...
La vision par ordinateur en télédétection spatiale : état des lieux
1. La vision par ordinateur en télédétection
Géomatique 2013
Par François Riendeau
assisté de Philippe Côté et Pierre Bugnet
1
2. C O N T E N U
D E
L A
P R É S E N TAT I O N
1.
2.
La vision par ordinateur
3.
Utilisation de la vision par ordinateur en télédétection
4.
2
Principes généraux d’imagerie et de télédétection
Perspectives d’avenir et développements en cours chez Effigis
3. C O M I T É
V E I L L E
T E C H N O L O G I Q U E
v François Riendeau, directeur production OT. L’extraction
d’information à partir d’images est à la base de son travail depuis
près de 20 ans.
v Philippe Côté, chargé de projets. S’intéresse au développement
du domaine de la vision par ordinateur et des applications
possibles dans le domaine de l’imagerie satellite.
v Pierre Bugnet, spécialiste en télédétection. Réalise divers
développements qui tirent profit des algorithmes de vision par
ordinateur pour extraire de l’information à partir des images.
3
4. P r i n c i p e s d ’ i m a g e r i e
t é l é d é t e c t i o n
e t
d e
INFORMATION
?
4
5. P r i n c i p e s d ’ i m a g e r i e
t é l é d é t e c t i o n
5
e t
d e
6. P r i n c i p e s d ’ i m a g e r i e
t é l é d é t e c t i o n
e t
d e
Gamme dynamique (dynamics range) : rapport de la plus grande à la plus petite valeur d'une
grandeur qui caractérise l'intensité d'une lumière. Elle est mesurée par une valeur logarithmique
en base 2.
Résolution
binaire
2 bits
22 = 4
8 bits
28 = 256
12 bits
212 = 4096
16 bits
216 = 65536
24 bits
6
Nombre de couleurs possibles
224 = 16777216
8 bits = 1 octet
10011010
16 bits = 2 octets
10011010
10011010
8 bits : 1000 pixels x 1000 lignes = 1 Mo
16 bits : 1000 pixels x 1000 lignes = 1 Mo x 2 = 2 Mo
24 bits : 1000 pixels x 1000 lignes = 1 Mo x 3 = 3 Mo
7. P r i n c i p e s d ’ i m a g e r i e
t é l é d é t e c t i o n
e t
d e
?
VISION PAR ORDINATEUR
7
8. L A
V I S I O N
P A R
La vision par ordinateur :
Discipline qui inclut des méthodes pour
acquérir, traiter, analyser et comprendre des
images et, de façon générale, comprendre le
monde réel de manière à produire des
informations numériques ou symboliques.
Une des approches consiste à dupliquer les
habiletés de la vision humaine en utilisant
des modèles construits à l’aide de la
géométrie, la physique, les statistiques et la
théorie d’apprentissage.
8
O R D I N A T E U R
9. L A
V I S I O N
P A R
O R D I N A T E U R
Méthodes d’un système utilisant la vision par ordinateur:
Ø
Ø
Ø
Ø
Ø
Ø
9
Acquisition de l’image – à l’aide d’un capteur
Prétraitement
Extraction d’éléments de l’image
Détection/Segmentation
Post-traitement et classification
Prise de décision
10. L A
V I S I O N
Détection d’objets :
La méthode Viola-Jones par
apprentissage supervisé
Autres applications:
• Robotique industrielle
• Navigation
• Détection d’événements
• Modélisation d’objets ou
d’environnements, par exemple :
topographie.
10
P A R
O R D I N A T E U R
11. A P P L I C A T I O N S E N
T É L É D É T E C T I O N
Applications courantes en télédétection:
University of Massachusetts
Ø Extraction automatique d’entités linéaires
Ø Extraction automatique de la topographie
Ø Segmentation/classification de surface
Ø
Ø
Ø
Ø
11
Détection d’objets
Suivi et détection de changements
Analyse de phénomènes dynamiques
Modélisation 3d
The Aerial Imaging and Remote Sensing (AIRS) Laboratory is
dedicated to the advancement of environmental sciences
through the application of state-of-the-art computer vision
techniques. We work with scientists, educators and public interest
professionals with a common need for reliable, highly automated
methods for integrating aerial images and other remote sensing
data in their research, education and decision making processes.
We are concerned with all aspects of remote sensing from sensor
design and data collection to mapping and information extraction
12. A P P L I C A T I O N S E N
T É L É D É T E C T I O N
Faible
12
Résolution
Haute
13. A P P L I C A T I O N S E N
T É L É D É T E C T I O N
Classification basée sur le pixel
•
•
•
•
•
13
Supervisée ou non supervisée
Signature spectrale
Chaque pixel est classifié
Nécessite passablement de post-traitement
Fonctionne bien avec des paysages relativement
homogènes
vs
Classification orientée-objet
• Segmentation d’objets par groupe de pixels
• Critères sur la couleur, la forme, la topologie
(voisinage), etc.
• Arbre décisionnel pour la classification
• Mieux adaptée à la haute résolution
[Willhauck et al., 2000; Mansor et al., 2002;
Oruc et al., 2004]. Neimeyer and Canty
[2003]
14. A P P L I C A T I O N S E N
T É L É D É T E C T I O N
Détection d’objets
Apprentissage automatique
14
15. A P P L I C A T I O N S E N
T É L É D É T E C T I O N
Commerciaux
•
eCognition 8.7 (CART, SVM)
•
PCI FeatureObjeX
•
ENVI Feature Extraction Module (ENVI FX)
•
Overwatch (Textron Systems) Feature Analyst
•
MATLAB + Computer Vision System Toolbox
Open Source
•
•
15
OpenCV
OrfeoToolbox/QGIS
•
R
16. P e r s p e c t i v e s d ’ a v e n i r
d é v e l o p p e m e n t
e t
Faits:
•
•
16
Les problèmes posés par la modélisation de la vision sont loin d'être résolus.
Les méthodes basées sur l’apprentissage sont de plus en plus populaires
17. P e r s p e c t i v e s d ’ a v e n i r
d é v e l o p p e m e n t
Quelques projets chez Effigis
Détection d’arbres et de bâtiments à
partir d’images 2d
•
•
La détection s’effectue en plusieurs
étapes
•
17
Projet en production avec un client
N’utilise aucune donnée 3d (LIDAR).
e t
18. P e r s p e c t i v e s d ’ a v e n i r
d é v e l o p p e m e n t
Quelques projets chez Effigis
Télédétection pour les Catastrophes Majeures
En collaboration avec le département de génie
de la production automatisée, ETS
Développement d'un logiciel intégré pour l'analyse semiautomatique d’images satellitaires radars et optiques
multispectrales à très haute résolution en vue d'identifier
et évaluer les dommages de zones sinistrées touchées
par une catastrophe majeure.
18
e t
19. C O N C L U S I O N S
1.
L’avenir de la télédétection et de la vision par ordinateur sont
certainement très liés et la recherche dans ce domaine est très
active.
2.
Les nouveaux outils utilisant des principes de vision par
ordinateur en télédétection ne présentent pas encore une grande
maturité opérationnelle.
3.
Effigis : poursuivre la veille technologique et les
développements.
19