Classification non supervisée de séries temporelles d'images satellites hétérogènes

Aller à : navigation, rechercher

Informations

Thèse en Informatique de l'Université de Strasbourg, France.

Titre : Classification non supervisée de séries temporelles d'images satellites hétérogènes

Début de la thèse : Octobre 2009.

Doctorant : Francois Petitjean

Financement :

Laboratoire d’accueil : LSIIT (UMR 7005), Strasbourg, France.

Directeur de thèse : Pierre Gançarski, LSIIT,

Co-encadrement :

  • CNES : Jordi Inglada
  • Thales Alenia Space : Marc Spigai

Résumé

Cette thèse s'inscrit dans la préparation des missions Venµs et Sentinel (1 et 2) et a pour objectif d'étudier les outils et méthodes permettant l'analyse de séries temporelles d'images satellites. En effet, ces missions vont permettre l'acquisition d'images à haute résolution temporelle.

Cette quantité importante de données nécessite des méthodes efficaces et robustes pour son exploitation. Par ailleurs la dimension temporelle de ces données requiert des méthodes dédiées à l'analyse de cette dimension particulière.

En effet, les séries d'images satellites constituent un ensemble d'observations, permettant d'appréhender les phénomènes terrestres complexes (ex : cycles). Une première originalité de cette thèse, correspondant à un premier verrou scientifique et technologique, se trouve dans l'utilisation simultanée de la totalité des données disponibles, afin de pouvoir disposer de suffisamment de données pour décrire ces phénomènes. La deuxième originalité, et donc verrou scientifique, réside dans le fait que ces méthodes doivent tenir compte de la dimension supplémentaire particulière de ces séries temporelles d'images satellites, à savoir la dimension temporelle.

Détails

Les futures missions spatiales Venµs et Sentinel-2 fourniront des séries temporelles d'images de la Terre à haute résolution spatiale et temporelle. La haute résolution temporelle en imagerie optique est caractérisée par l'échantillonnage irrégulier dans la dimension temporelle à cause de la couverture nuageuse. Des méthodes permettant de s'affranchir de cette difficulté tout en permettant la description détaillée des évolutions des surfaces seront nécessaires pour exploiter ces données. Dans cette thèse, en utilisant la classification comme exemple d'application, des méthodes de caractérisation des séries temporelles d'images sont développées.