Search

Remote sensing satellites have demonstrated to be a helpful instrument. Indeed, satellite images have been successfully exploited to deal with several applications including environmental monitoring and prevention of natural disasters. In the last years, the increasing of the availability of very high spatial resolution (VHR) remote sensing images resulted in new potentially relevant applications related to land cover control and environmental management. In particular, optical sensors, due to the fact that they acquire directly the reflected light from the sun, they may suffer from the presence of clouds in the sky and/or of shadows on the earth. This involves the problem of missing data, which may results an important and crucial problem especially in the case of VHR images, where their higher geometrical details induce to bigger lost of information. In this thesis, new methodologies of detection and reconstruction of missing data region in VHR images are proposed and applied on areas contaminated by the presence of clouds and/or shadows. In particular, the proposed methodological contributions include: i) a multiresolution inpainting strategy to reconstruct cloud-contaminated images; ii) a new combination of radiometric information and spatial position information in two specific kernels to perform a better reconstruction of cloud-contaminated regions by adopting a support vector regression (SVR) method; iii) the exploitation of compressive sensing theory adopting three different strategies (orthogonal matching pursuit, basis pursuit and a genetic algorithm solution) for the reconstruction of cloud-contaminated images; iv) a complete processing chain which exploits a support vector machine (SVM) classification for the detection and a linear regression for the reconstruction of specific shadow areas; and v) several evaluation criteria capable to assess the reconstructability of shadow areas. All of them are specifically developed to work with VHR images. Experimental results conducted on real data are reported in order to show and confirm the validity of all the proposed methods. They all suggest that, despite the complexity of the problems, it is possible to recover in a good way missing areas obscured by clouds or shadows., Les satellites de télédétection sont devenus incontournables pour la société civile. En effet, les images satellites ont été exploitées avec succès pour traiter plusieurs applications, notamment la surveillance de l'environnement et de la prévention des catastrophes naturelles. Dans les dernières années, l'augmentation de la disponibilité de très haute résolution spatiale (THR) d'images de télédétection abouti à de nouvelles applications potentiellement pertinentes liées au suivi d'utilisation des sols et à la gestion environnementale. Cependant, les capteurs optiques, en raison du fait qu'ils acquièrent directement la lumière réfléchie par le soleil, ils peuvent souffrir de la présence de nuages dans le ciel et / ou d'ombres sur la terre. Il s'agit du problème des données manquantes, qui induit un problème important et crucial, en particulier dans le cas des images THR, où l'augmentation des détails géométriques induit une grande perte d'informations. Dans cette thèse, de nouvelles méthodologies de détection et de reconstruction de la région contenant des données manquantes dans les images THR sont proposées et appliquées sur les zones contaminées par la présence de nuages et / ou d'ombres. En particulier, les contributions méthodologiques proposées comprennent: i) une stratégie multirésolution d'inpainting visant à reconstruire les images contaminées par des nuages ; ii) une nouvelle combinaison d'information radiométrique et des informations de position spatiale dans deux noyaux spécifiques pour effectuer une meilleure reconstitution des régions contaminés par les nuages en adoptant une régression par méthode a vecteurs supports (RMVS) ; iii) l'exploitation de la théorie de l'échantillonnage compressé avec trois stratégies différentes (orthogonal matching pursuit, basis pursuit et une solution d'échantillonnage compressé, basé sur un algorithme génétique) pour la reconstruction d'images contaminés par des nuages; iv) une chaîne de traitement complète qui utilise une méthode à vecteurs de supports (SVM) pour la classification et la détection des zones d'ombre, puis une régression linéaire pour la reconstruction de ces zones, et enfin v) plusieurs critères d'évaluation promptes à évaluer la performance de reconstruction des zones d'ombre. Toutes ces méthodes ont été spécialement développées pour fonctionner avec des images très haute résolution. Les résultats expérimentaux menés sur des données réelles sont présentés afin de montrer et de confirmer la validité de toutes les méthodes proposées. Ils suggèrent que, malgré la complexité des problèmes, il est possible de récupérer de façon acceptable les zones manquantes masquées par les nuages ou rendues erronées les ombres.