La vision par ordinateur en télédétection spatiale : état des lieux

La vision par ordinateur en télédétection spatiale : état des lieux

• 1.
  1 La visionpar ordinateur en télédétection Géomatique 2013 Par François Riendeau assisté de Philippe Côté et Pierre Bugnet
• 2.
  1. Principes générauxd’imagerie et de télédétection 2. La vision par ordinateur 3. Utilisation de la vision par ordinateur en télédétection 4. Perspectives d’avenir et développements en cours chez Effigis 2 C O N T E N U D E L A P R É S E N T A T I O N
• 3.
  3 C OM I T É V E I L L E T E C H N O L O G I Q U E  François Riendeau, directeur production OT. L’extraction d’information à partir d’images est à la base de son travail depuis près de 20 ans.  Philippe Côté, chargé de projets. S’intéresse au développement du domaine de la vision par ordinateur et des applications possibles dans le domaine de l’imagerie satellite.  Pierre Bugnet, spécialiste en télédétection. Réalise divers développements qui tirent profit des algorithmes de vision par ordinateur pour extraire de l’information à partir des images.
• 4.
  P r in c i p e s d ’ i m a g e r i e e t d e t é l é d é t e c t i o n 4 INFORMATION ?
• 5.
  P r in c i p e s d ’ i m a g e r i e e t d e t é l é d é t e c t i o n 5
• 6.
  P r in c i p e s d ’ i m a g e r i e e t d e t é l é d é t e c t i o n 6 Gamme dynamique (dynamics range) : rapport de la plus grande à la plus petite valeur d'une grandeur qui caractérise l'intensité d'une lumière. Elle est mesurée par une valeur logarithmique en base 2. Résolution binaire Nombre de couleurs possibles 2 bits 22 = 4 8 bits 28 = 256 12 bits 212 = 4096 16 bits 216 = 65536 24 bits 224 = 16777216 8 bits = 1 octet 10011010 16 bits = 2 octets 10011010 10011010 8 bits : 1000 pixels x 1000 lignes = 1 Mo 16 bits : 1000 pixels x 1000 lignes = 1 Mo x 2 = 2 Mo 24 bits : 1000 pixels x 1000 lignes = 1 Mo x 3 = 3 Mo Mythe : 1 kilo-octet = 1024 octets = faux
• 7.
  P r in c i p e s d ’ i m a g e r i e e t d e t é l é d é t e c t i o n 7 ? VISION PAR ORDINATEUR
• 8.
  L A VI S I O N P A R O R D I N A T E U R 8 La vision par ordinateur : Discipline qui inclut des méthodes pour acquérir, traiter, analyser et comprendre des images et, de façon générale, comprendre le monde réel de manière à produire des informations numériques ou symboliques. Une des approches consiste à dupliquer les habiletés de la vision humaine en utilisant des modèles construits à l’aide de la géométrie, la physique, les statistiques et la théorie d’apprentissage.
• 9.
  L A VI S I O N P A R O R D I N A T E U R 9 Méthodes d’un système utilisant la vision par ordinateur:  Acquisition de l’image – à l’aide d’un capteur  Prétraitement  Extraction d’éléments de l’image  Détection/Segmentation  Post-traitement et classification  Prise de décision
• 10.
  L A VI S I O N P A R O R D I N A T E U R 10 Détection d’objets : La méthode Viola-Jones par apprentissage supervisé Autres applications: • Robotique industrielle • Navigation • Détection d’événements • Modélisation d’objets ou d’environnements, par exemple : topographie.
• 11.
  L A VI S I O N P A R O R D I N A T E U R 11 Reconstruction 3D: « Building Rome in one day » • Reconstruction 3D de sites à partir des milliers de photos sur les sites tels que Flickr • Appariement d’images • Ajustement par bloc
• 12.
  A P PL I C A T I O N S E N T É L É D É T E C T I O N 12 Applications courantes en télédétection:  Extraction automatique d’entités linéaires  Extraction automatique de la topographie  Segmentation/classification de surface  Détection d’objets  Suivi et détection de changements  Analyse de phénomènes dynamiques  Modélisation 3d University of Massachusetts The Aerial Imaging and Remote Sensing (AIRS) Laboratory is dedicated to the advancement of environmental sciences through the application of state-of-the-art computer vision techniques. We work with scientists, educators and public interest professionals with a common need for reliable, highly automated methods for integrating aerial images and other remote sensing data in their research, education and decision making processes. We are concerned with all aspects of remote sensing from sensor design and data collection to mapping and information extraction
• 13.
  A P PL I C A T I O N S E N T É L É D É T E C T I O N 13 Faible Haute Résolution
• 14.
  A P PL I C A T I O N S E N T É L É D É T E C T I O N 14 Classification basée sur le pixel vs Classification orientée-objet • Supervisée ou non supervisée • Signature spectrale • Chaque pixel est classifié • Nécessite passablement de post-traitement • Fonctionne bien avec des paysages relativement homogènes • Segmentation d’objets par groupe de pixels • Critères sur la couleur, la forme, la topologie (voisinage), etc. • Arbre décisionnel pour la classification • Mieux adaptée à la haute résolution [Willhauck et al., 2000; Mansor et al., 2002; Oruc et al., 2004]. Neimeyer and Canty [2003]
• 15.
  A P PL I C A T I O N S E N T É L É D É T E C T I O N 15 Détection d’objets Apprentissage automatique
• 16.
  A P PL I C A T I O N S E N T É L É D É T E C T I O N 16 Commerciaux • eCognition 8.7 (CART, SVM) • PCI FeatureObjeX • ENVI Feature Extraction Module (ENVI FX) • Overwatch (Textron Systems) Feature Analyst • MATLAB + Computer Vision System Toolbox Open Source • OpenCV • OrfeoToolbox/QGIS • R
• 17.
  P e rs p e c t i v e s d ’ a v e n i r e t d é v e l o p p e m e n t 17 Faits: • Les problèmes posés par la modélisation de la vision sont loin d'être résolus. • Les méthodes basées sur l’apprentissage sont de plus en plus populaires
• 18.
  P e rs p e c t i v e s d ’ a v e n i r e t d é v e l o p p e m e n t 18 Quelques projets chez Effigis Détections d’arbres et de bâtiments à partir d’images 2d Projet en production avec un client La détection s’effectue en plusieurs étapes N’utilise aucune donnée 3d (LIDAR).
• 19.
  P e rs p e c t i v e s d ’ a v e n i r e t d é v e l o p p e m e n t 19 Quelques projets chez Effigis Télédétection pour les Catastrophes Majeures En collaboration avec le département de génie de la production automatisée, ETS Développement d'un logiciel intégré pour l'analyse semi-automatique d’images satellitaires radars et optiques multispectrales à très haute résolution en vue d'identifier et évaluer les dommages de zones sinistrées touchées par une catastrophe majeure.
• 20.
  1. L’avenir dela télédétection et de la vision par ordinateur sont certainement très liés et la recherche dans ce domaine est très active. 2. Les nouveaux outils utilisant des principes de vision par ordinateur en télédétection ne présentent pas encore une grande maturité opérationnelle. 3. Effigis : poursuivre la veille technologique et les développements. 20 C O N C L U S I O N S
• 21.
  MERCI DE VOTREATTENTION ! Des questions? 21