Titre : | Fusion de données multi-sources pour l’analyse de scènes urbaines. | Type de document : | document électronique | Auteurs : | GACEM Amel, Auteur | Année de publication : | 2017-2018 | Importance : | 170 p. | Accompagnement : | CD | Langues : | Français (fre) | Catégories : | Electronique:Systèmes intelligents et robotique
| Mots-clés : | Multi-source data fusion Urban area Feature extraction Road extraction Bayesian data fusion Mean Shift segmentation SVM RBF Kernel Majority Voting Dempster-Shefer.
multi-sources-la fusion des données -SVM RBF -Kernel-shift. | Résumé : | Dans le domaine de la fusion de données multi-sources, donnla fusion des ées de télédétection multispectrales et panchromatiques en zone urbaine a suscité beaucoup d'attention. Les données multi-source ont été remarquablement augmentées pour la classification. En effet, les différentes sources peuvent fournir plus d'informations, et la fusion des différentes informations peuvent produire une meilleure compréhension du site observé.
Notre recherche est structurée en deux parties, la première est une contribution basée sur la fusion Bayésienne et la segmentation Mean-shift afin de compléter l’information manquante et améliorer le taux d’extraction des routes urbaines. Les évaluations quantitatives et qualitatives dans la zone urbaine étudiée montrent que l'exhaustivité et l'exactitude des routes principales extraites au sens de leurs longueurs, ont été augmentées de plus de 50%, en appliquant la méthode de fusion de données Bayésienne et la techniques de filtrage Mean-Shift.
La deuxième contribution est basée sur une méthodologie de fusion de décision pour la combinaison de données multispectrales et panchromatiques en zone urbaine. La première étape de cette contribution est l’extraction des caractéristiques radiométriques à partir des données multispectrales, ensuite, les classificateurs SVM à base de noyau RBF sont appliqués sur chacune des données de caractéristiques, et sur les données panchromatiques. Après la production multiple de classificateurs, deux techniques comparatives de fusion de données sont appliquées en tant que méthode de fusion de classification, pour combiner les résultats des classifieurs SVM qui forment l’ensemble des données.
Les résultats expérimentaux montrent que le procédé de fusion de données proposé a permis d'améliorer la précision de la classification et le coefficient kappa par rapport aux ensembles de données individuelles. Les résultats ont révélé que les exactitudes (OA) de l'ensemble de classification SVM sur les données multispectrales et les données panchromatiques sont respectivement de 60,3% et 59,1%, alors que la méthode de fusion de décision proposée, avec la technique de vote à la majorité reçoit une précision de 88,6%, et Dempster-Shafer reçoit 94,7%.
In the field of fusion of multi-source data fusion of multispectral and panchromatic remote sensing data in urban areas attracted more attention. Multi-source data has been remarkably increased for classification. Indeed, different sources can provide more information, and the fusion of different information can produce a better understanding of the observed site.
Our research is structured in two parts, the first is a contribution based on the Bayesian fusion and Mean-shift segmentation, to complete the missing information and to increase and improve the extraction rate urban roads. The quantitative and qualitative assessments in the urban area studied show that the completeness and accuracy of the main roads extracted in the direction of their lengths have been increased by more than 50% using the Bayesian data fusion method and the Mean-Shift filtering techniques.
The second contribution is based on a decision data fusion methodology for the combination of multispectral and panchromatic data in urban areas. The first step of this contribution is the extraction of radiometric data from multispectral data then classifiers SVM based RBF are applied to each characteristic data, and the panchromatic data. After multiple classifiers production, tow data fusion comparison techniques are applied as classifier fusion method to combine the results of SVM classifiers.
Experimental results show that the proposed data fusion method improved the classification accuracy and kappa coefficient in comparison to the single data sets. The results revealed that the overall accuracies of SVM classification on the multispecral and the panchromatic data separately are 60.3% and 59.1%, while our decision fusion methodology with majority voting technique receives the accuracy up to 88.6%, and Dempster-Shafer receives the accuracy up to 94.7%. | Directeur de thèse : | BERRACHED Nasr Eddine |
Fusion de données multi-sources pour l’analyse de scènes urbaines. [document électronique] / GACEM Amel, Auteur . - 2017-2018 . - 170 p. + CD. Langues : Français ( fre) Catégories : | Electronique:Systèmes intelligents et robotique
| Mots-clés : | Multi-source data fusion Urban area Feature extraction Road extraction Bayesian data fusion Mean Shift segmentation SVM RBF Kernel Majority Voting Dempster-Shefer.
multi-sources-la fusion des données -SVM RBF -Kernel-shift. | Résumé : | Dans le domaine de la fusion de données multi-sources, donnla fusion des ées de télédétection multispectrales et panchromatiques en zone urbaine a suscité beaucoup d'attention. Les données multi-source ont été remarquablement augmentées pour la classification. En effet, les différentes sources peuvent fournir plus d'informations, et la fusion des différentes informations peuvent produire une meilleure compréhension du site observé.
Notre recherche est structurée en deux parties, la première est une contribution basée sur la fusion Bayésienne et la segmentation Mean-shift afin de compléter l’information manquante et améliorer le taux d’extraction des routes urbaines. Les évaluations quantitatives et qualitatives dans la zone urbaine étudiée montrent que l'exhaustivité et l'exactitude des routes principales extraites au sens de leurs longueurs, ont été augmentées de plus de 50%, en appliquant la méthode de fusion de données Bayésienne et la techniques de filtrage Mean-Shift.
La deuxième contribution est basée sur une méthodologie de fusion de décision pour la combinaison de données multispectrales et panchromatiques en zone urbaine. La première étape de cette contribution est l’extraction des caractéristiques radiométriques à partir des données multispectrales, ensuite, les classificateurs SVM à base de noyau RBF sont appliqués sur chacune des données de caractéristiques, et sur les données panchromatiques. Après la production multiple de classificateurs, deux techniques comparatives de fusion de données sont appliquées en tant que méthode de fusion de classification, pour combiner les résultats des classifieurs SVM qui forment l’ensemble des données.
Les résultats expérimentaux montrent que le procédé de fusion de données proposé a permis d'améliorer la précision de la classification et le coefficient kappa par rapport aux ensembles de données individuelles. Les résultats ont révélé que les exactitudes (OA) de l'ensemble de classification SVM sur les données multispectrales et les données panchromatiques sont respectivement de 60,3% et 59,1%, alors que la méthode de fusion de décision proposée, avec la technique de vote à la majorité reçoit une précision de 88,6%, et Dempster-Shafer reçoit 94,7%.
In the field of fusion of multi-source data fusion of multispectral and panchromatic remote sensing data in urban areas attracted more attention. Multi-source data has been remarkably increased for classification. Indeed, different sources can provide more information, and the fusion of different information can produce a better understanding of the observed site.
Our research is structured in two parts, the first is a contribution based on the Bayesian fusion and Mean-shift segmentation, to complete the missing information and to increase and improve the extraction rate urban roads. The quantitative and qualitative assessments in the urban area studied show that the completeness and accuracy of the main roads extracted in the direction of their lengths have been increased by more than 50% using the Bayesian data fusion method and the Mean-Shift filtering techniques.
The second contribution is based on a decision data fusion methodology for the combination of multispectral and panchromatic data in urban areas. The first step of this contribution is the extraction of radiometric data from multispectral data then classifiers SVM based RBF are applied to each characteristic data, and the panchromatic data. After multiple classifiers production, tow data fusion comparison techniques are applied as classifier fusion method to combine the results of SVM classifiers.
Experimental results show that the proposed data fusion method improved the classification accuracy and kappa coefficient in comparison to the single data sets. The results revealed that the overall accuracies of SVM classification on the multispecral and the panchromatic data separately are 60.3% and 59.1%, while our decision fusion methodology with majority voting technique receives the accuracy up to 88.6%, and Dempster-Shafer receives the accuracy up to 94.7%. | Directeur de thèse : | BERRACHED Nasr Eddine |
|