Hiérarchies Morphologiques pour l’Analyse de Séries Temporelles d’Images Satellites
Morphological Hierarchies for Satellite Image Time Series
Résumé
Although morphological hierarchies are today a well-established framework for single frame image processing, their extension to time-related data remains largely unexplored. This thesis aims to tackle the analysis of satellite image time series with tree-based representations. To do so, we distinguish between three kinds of models, namely spatial, temporal and spatio-temporal hierarchies. For each model, we propose a streaming algorithm to update the tree when new images are appended to the series. Besides, we analyze the structural properties of the different tree building strategies, thus requiring some projection methods for the spatio-temporal tree in order to obtain comparable structures. Then, trees are compared according to their node distribution, filtering capability and cost, leading to a superiority of the spatio-temporal tree (a.k.a. space-time tree). Hence, we review spatio-temporal attributes, including some new ones, that can been extracted from the space-time tree in order to compute some multiscale features at the pixel or image level. These attributes are finally involved in tools such as filtering and pattern spectrum for various remote sensing based applications.
Bien que les hiérarchies morphologiques représentent aujourd’hui un cadre méthodologique bien établi en traitement d’image, leur extension aux données temporelles reste largement inexplorée. Cette thèse aborde la problématique de l’analyse de séries temporelles d’image satellites en utilisant les hiérarchies morphologiques ou représentations arborescentes. Pour ce faire, nous distinguons trois types de modèles, à savoir les hiérarchies spatiales, temporelles et spatio-temporelles. Pour chaque modèle, nous proposons un algorithme de calcul en flux pour le mettre à jour lorsque de nouvelles images sont ajoutées à la série temporelle. Nous analysons les propriétés structurelles des différentes stratégies de construction d’arbres, ce qui nécessite des méthodes de projection de l’arbre spatio-temporel afin de disposer de structures comparables. Nous comparons également les arbres en fonction de leur distribution de noeuds, de leur capacité de filtrage et de leur coût, et concluons à la supériorité de l’arbre spatio-temporel aussi appelé arbre espace-temps. Nous passons ensuite en revue les différents attributs spatiotemporels, dont certains originaux, qui peuvent être extraits de l’arbre spatio-temporel afin de produire des caractéristiques multiéchelle aux niveaux pixel ou image. Ces attributs sont finalement exploités avec des outils de type filtrage ou spectre de forme pour différentes applications en télédétection.
Origine : Version validée par le jury (STAR)