Back to Search Start Over

Détection des changements d'élévation d'une scène par imagerie satellite stéréoscopique

Authors :
Guérin, Cyrielle
Binet, Renaud
Pierrot-Deseilligny, Marc
DAM Île-de-France (DAM/DIF)
Direction des Applications Militaires (DAM)
Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)
Méthodes d'Analyses pour le Traitement d'Images et la Stéréorestitution (MATIS)
Laboratoire des Sciences et Technologies de l'Information Géographique (LaSTIG)
École nationale des sciences géographiques (ENSG)
Institut National de l'Information Géographique et Forestière [IGN] (IGN)-Institut National de l'Information Géographique et Forestière [IGN] (IGN)-École nationale des sciences géographiques (ENSG)
Institut National de l'Information Géographique et Forestière [IGN] (IGN)-Institut National de l'Information Géographique et Forestière [IGN] (IGN)
Cordier, Amélie
Source :
RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), Jan 2012, Lyon, France. pp.978-2-9539515-2-3
Publication Year :
2012
Publisher :
HAL CCSD, 2012.

Abstract

Session "Posters"; National audience; Cet article propose une méthode de détection de changements à partir de couples d'images stéréoscopiques très haute résolution. Le but est de mettre en évidence, sur une image labellisée, les changements altimétriques apparus entre deux scènes. Cette méthode s'appui sur une spatio-triangulation par l'affinage simultané des modèles géométriques de toutes les images de l'étude. Pour les capteurs présentant des défauts de modélisation géométrique, la mise en correspondance des images de chaque couple est effectuée grâce à une recherche bidimensionnelle dans l'espace terrain et image. Les Modèles Numériques de Surface (MNS) issus de chaque couple et comparables à l'échelle du pixel sont soustraits et une classification non supervisée est appliquée à la carte de différence à l'aide d'une régularisation spatiale. Cette technique permet de réduire les fausses alarmes dues au bruit de corrélation tout en gardant une très bonne détection des changements pertinents. Sur les zones testées, on atteint l'objectif de plus de 90% de vrais changements détectés avec un taux de fausses alarmes permettant un gain de temps significatif par rapport à une inspection humaine exhaustive

Details

Language :
French
Database :
OpenAIRE
Journal :
RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), Jan 2012, Lyon, France. pp.978-2-9539515-2-3
Accession number :
edsair.dedup.wf.001..fc704807a115b6c2785875a740bfe99e