Titre :	L'exploitation des méta-heuristiques pour le traitement multi-sources des images satellitaires, Application: étude des changements d'occupation des sols.
Type de document :	document électronique
Auteurs :	ABIDI Meriem, Auteur
Année de publication :	2020-2021
Accompagnement :	CD
Langues :	Français (fre)
Catégories :	Informatique:informatique
Mots-clés :	Télédetection, images satellitaires,détection des changements, métaheuristique. Remote sensing, satellite images, change detection, metaheuristic.
Résumé :	L'utilisation de données de télédétection est une méthode très importante pour indiquer les changements d’occupation de sols. La télédétection peut fournir une meilleure image qui permet de localiser des zones géographiquement modifiées. L’objectif de notre travail était d’appliqué une approche de détection de changements basée sur l’utilisation de la méthode post-classification d'images satellitaires multi-temporelles Landsat -8 afin d’isoler les pixels changés. La qualité de l'image classifier affecte la précision de la détection de changements. Ainsi, nous proposons une classification supervisée d’une image satellitaire en utilisant un réseau de neurone MLP (perceptron multi couche) optimisé par trois algorithmes PSO (l’optimisation par essaim de particules), GSA (l’algorithme de recherche gravitationnelle) et PSOGSA (l’hybridation de l’optimisation par essaim de particules et l’algorithme de recherche gravitationnelle) qui seront ensuite utilisée le résultat de classification dans le processus de détection de changements qui permis d’analyser les changements et d’identifier les zones de dégradation. Les résultats expérimentaux prouvent le succès de ces techniques à la classification des images satellitaires, et montrent l’état des couverts forestiers de notre zone d’étude qui a perdu de 19.87 ha justifiée par les incendies. The use of remote sensing data is a very important method to indicate changes in land use. Remote sensing can provide a better image that makes it possible to locate geographically modified areas. The objective of our work was to apply a change detection approach based on the use of the post-classification method of multi-temporal Landsat -8 satellite images to isolate the changed pixels. The quality of the image classifier affects the accuracy of change detection. Thus, we propose a supervised classification of a satellite image using an MLP (multilayer perceptron) neuron network optimized by three algorithms PSO (particle swarm optimization), GSA (the gravitational search algorithm) and PSOGSA. (the hybridization of particle swarm optimization and the gravitational search algorithm) which will then be used the result of classification in the process of change detection to analyze the changes and identify areas of degradation. The experimental results prove the success of these techniques in the classification of satellite images, and show the state of the forest cover in our study area, which lost 19.87 ha due to fires.
Directeur de thèse :	FIZAZI Hadria

L'exploitation des méta-heuristiques pour le traitement multi-sources des images satellitaires, Application: étude des changements d'occupation des sols. [document électronique] / ABIDI Meriem, Auteur . - 2020-2021 . -  + CD.
Langues : Français (fre)

Catégories :	Informatique:informatique
Mots-clés :	Télédetection, images satellitaires,détection des changements, métaheuristique. Remote sensing, satellite images, change detection, metaheuristic.
Résumé :	L'utilisation de données de télédétection est une méthode très importante pour indiquer les changements d’occupation de sols. La télédétection peut fournir une meilleure image qui permet de localiser des zones géographiquement modifiées. L’objectif de notre travail était d’appliqué une approche de détection de changements basée sur l’utilisation de la méthode post-classification d'images satellitaires multi-temporelles Landsat -8 afin d’isoler les pixels changés. La qualité de l'image classifier affecte la précision de la détection de changements. Ainsi, nous proposons une classification supervisée d’une image satellitaire en utilisant un réseau de neurone MLP (perceptron multi couche) optimisé par trois algorithmes PSO (l’optimisation par essaim de particules), GSA (l’algorithme de recherche gravitationnelle) et PSOGSA (l’hybridation de l’optimisation par essaim de particules et l’algorithme de recherche gravitationnelle) qui seront ensuite utilisée le résultat de classification dans le processus de détection de changements qui permis d’analyser les changements et d’identifier les zones de dégradation. Les résultats expérimentaux prouvent le succès de ces techniques à la classification des images satellitaires, et montrent l’état des couverts forestiers de notre zone d’étude qui a perdu de 19.87 ha justifiée par les incendies. The use of remote sensing data is a very important method to indicate changes in land use. Remote sensing can provide a better image that makes it possible to locate geographically modified areas. The objective of our work was to apply a change detection approach based on the use of the post-classification method of multi-temporal Landsat -8 satellite images to isolate the changed pixels. The quality of the image classifier affects the accuracy of change detection. Thus, we propose a supervised classification of a satellite image using an MLP (multilayer perceptron) neuron network optimized by three algorithms PSO (particle swarm optimization), GSA (the gravitational search algorithm) and PSOGSA. (the hybridization of particle swarm optimization and the gravitational search algorithm) which will then be used the result of classification in the process of change detection to analyze the changes and identify areas of degradation. The experimental results prove the success of these techniques in the classification of satellite images, and show the state of the forest cover in our study area, which lost 19.87 ha due to fires.
Directeur de thèse :	FIZAZI Hadria