Extraction des structures linéaires à partir des images satellitaires à très haute résolution pour l'aide à la gestion des catastrophes majeures

Ouled Sghaier, Moslem (2017). Extraction des structures linéaires à partir des images satellitaires à très haute résolution pour l'aide à la gestion des catastrophes majeures. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (21MB) | Prévisualisation
Prévisualisation	PDF Télécharger (1MB) | Prévisualisation

Résumé

Durant les dernières décennies, le domaine de la télédétection et de l’imagerie satellitaire a connu un intérêt accru auprès de plusieurs gouvernements et organisations nationales et internationales. Cet intérêt apparaît dans le nombre énorme de satellites de télédétection qui gravitent autour de la Terre. Les capteurs installés sur ces satellites offrent chaque jour des images de plus en plus précises de différentes régions de la Terre pour combler divers besoins : cartographie, mise à jour des bases de données géographiques et détection des changements. Parmi ces différents champs d’application, nous nous intéressons à la gestion des catastrophes dans lesquelles la télédétection contribue à l’amélioration de la réponse des équipes de secours et à l’organisation des efforts de recherche. Quand une catastrophe se produit, la télédétection est souvent le seul moyen de voir ce qui se passe sur le terrain. Il est très utile de savoir si les routes sont praticables afin de diriger les équipes de secours sur le terrain et gagner du temps qui compte pour sauver des vies et limiter les dégâts. C’est dans ce contexte que s’inscrit cette thèse qui vise à élaborer une méthode efficace et opérationnelle pour l’extraction des structures linéaires et l’évaluation de leurs dommages suite à une catastrophe majeure. Selon la nature des données utilisées en entrée, deux différentes approches sont proposées pour résoudre les problèmes d’extraction des dommages des routes à partir des images optiques et l’identification des zones inondées à partir des images radar, respectivement. La première approche se base principalement sur l’analyse multiéchelle en beamlets pour extraire les segments candidats à partir de la liste des contours de l’image dans un premier temps, puis la relation spatiale entre les segments extraits à partir des différentes échelles est utilisée pour reconstruire le réseau routier. Finalement, la théorie des fonctions de croyance est appliquée pour identifier la nature des changements en utilisant le raisonnement evidentiel multidimensionnel. La deuxième approche présente une nouvelle technique pour extraire les zones inondées à partir des images radar basée sur la combinaison des mesures de texture locales calculées en chaque pixel de l’image et sur des connaissances globales associées à la forme de l’objet d’intérêt. Puis une étape de détection de changement basée sur la logique floue est appliquée afin d’identifier les régions inondées. Les deux approches proposées ont été testées sur des images optiques du satellite GeoEye-1 du tremblement de terre qui a eu lieu en Haïti en 2010 et des images radar des inondations de la rivière Richelieu en 2011, acquises par le satellite RADARSAT-2. Les résultats des études expérimentales démontrent la robustesse et l’efficacité des deux approches décrites.

Titre traduit

Linear structures extraction from very high resolution satellite images to support major disasters management

Résumé traduit

In recent decades, the field of remote sensing and satellite imaging has experienced growing interest among many national and international governments and organizations. This interest appears in the huge number of remote sensing satellites orbiting the earth. The sensors on these satellites provide daily increasingly accurate images of different regions of the Earth to fulfill various needs : mapping, updating geographic databases and change detection. Among these different fields of applications, we are interested in disaster management in which remote sensing contributes to improving the response of rescue teams and the organization of search efforts. When disaster strikes, remote sensing is often the only way to see what is happening on the ground. It is very useful to know if roads are accessible to guide rescue teams on the ground and save time that counts in saving lives and limiting damages. This thesis aims at developing an efficient and operational method for extracting linear structures and assessing their damage following a major disaster. Depending on the kind of the data used as inputs, two different approaches are presented to solve the problems of extracting road damage from optical images and identifying flooded areas from radar images, respectively. The first approach is mainly based on the beamlets multiscale analysis to first extract segments candidates from the list of image edges, and then the extraction, at different scales, of spatial relationship between segments is used to rebuild the road network. Finally, the theory of belief functions is applied to identify the nature of the changes using the multidimensional evidential reasoning. The second approach introduces a new technique to extract the flooded areas from radar images based on the combination of local texture measurements computed in each pixel of the image and on the global knowledge associated to the shape of the object of interest. Lastly, change detection based on fuzzy logic is applied to identify flooded areas. The two proposed approaches were tested on optical satellite imagery GeoEye-1 of the earthquake that hit Haiti in 2010 and on radar images of the Richelieu river flood in 2011, acquired by the RADARSAT-2 satellite. The results of experimental studies demonstrate the robustness and effectiveness of the two described approaches.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Thèse présentée à l'École de technologie supérieure comme exigence partielle à l'obtention du doctorat en génie". Bibliographie : pages 229-238.
Mots-clés libres:	Télédétection. Catastrophes. Images-satellite. Systèmes d'information géographique. Gestion des situations d'urgence. Détection des structures linéaires, gestion des catastrophes majeures, analyse multiéchelle, identification des dommages
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Lepage, Richard
Programme:	Doctorat en génie > Génie
Date de dépôt:	22 juin 2017 14:35
Dernière modification:	22 juin 2017 14:35
URI:	https://espace.etsmtl.ca/id/eprint/1897

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt