Extraction et évaluation des routes endommagées à partir d’images satellitaires par des algorithmes d’apprentissage automatique

Coulibaly, Idrissa (2026). Extraction et évaluation des routes endommagées à partir d’images satellitaires par des algorithmes d’apprentissage automatique. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (15MB) | Prévisualisation

Résumé

Durant ces dernières années, le globe terrestre a été confronté à des péripéties et des aléas de catastrophes majeures de tout acabit. Ces catastrophes occasionnent des pertes colossales en vie humaine et en infrastructures. Pour prévenir ou faire face à ces dangers, la communauté internationale et les autorités gouvernementales se sont mobilisées. L’un des moyens les plus efficaces pour la communauté internationale et les gouvernements pour circonscrire le fléau sont les outils de la télédétection avec l’acquisition quasi instantanée des images et leur large couverture des zones sinistrées. Lorsque survient un tel fléau, la production par les photointerprètes de la cartographie de l’état des infrastructures opérationnelles et non opérationnelles qui donnent accès aux populations et aux hôpitaux de fortune est primordiale pour les équipes de secours. L’apport de ce travail sera d’assister les photointerprètes en automatisant leur tâche dans la chaîne de traitement des images. La chaîne de traitement consiste à détecter les infrastructures essentielles que sont les routes et d’en évaluer leur niveau de dommage. Dans un premier temps, pour les modules de reconnaissance de routes, nous proposons conjointement l’algorithme de l’angle spectral (AS) basé sur le gradient et l’analyse multirésolution (AMR). L’AS utilise l’information spectrale pour distinguer les routes des autres occupations du sol pendant que l’AMR utilise des filtres passe-bas linéaires (Gaussien) pour réduire le contenu des hautes fréquences (bruit) dont l’objectif est de simplifier l’information de départ pour un traitement efficace de l’image optique. Dans un second temps et dans un même ordre d’idée, nous appliquerons une combinaison d’algorithmes de Bresenham (fonction d’interpolation des pixels-route) et la multiéchelle en beamlets (méthode d’analyse multiéchelle) associé au filtre de Frost pour améliorer la détection des routes à partir des images radars à synthèse d’ouverture (RSO). Les images RSO présentent une apparence bruitée (chatoiement), ce qui est une résultante du bruit multiplicatif des ondes rétrodiffusées. Les filtres de Frost permettent une réduction considérable des effets de chatoiement. Dans un troisième temps, nous proposons d’améliorer la détection des dommages (blocages) sur les routes, en utilisant les local binary pattern (LBP) et ses variantes par les classificateurs séparateurs à vaste marge (SVM). Ces algorithmes ont été appliqués avec succès sur des données images optiques et radar. La validation de nos résultats a été appuyée par une analyse montrant les atouts et les déficiences de chacune des approches développées.

Ce travail a fait l’objet de deux communications et d’un article de revue et d’une soumission à un journal (Annexe III).

Titre traduit

Roads damaged extraction and evaluation from satellites images based on machine learning

Résumé traduit

In recent years, the Earth has faced incidents and risks from major disasters of all types. These disasters cause enormous losses in terms of human life and infrastructure. The global community and governments have organized to prevent or cope with these dangers. One of the most effective means available to the international community and governments to curb this scourge is the use of remote sensing equipment which provide images almost instantly, in addition to providing a wide coverage of affected areas. When such a disaster occurs, photointerpreters produce maps showing the condition of operational and non operational infrastructures, allowing access to affected populations and makeshift hospitals, which are all crucial for rescue teams. This work shall contribute by assisting photointerpreters by automating their task in the image processing chain. The image processing chain consists in detecting essential infrastructures consisting of roads and to evaluate their level of damage. Firstly, for road detection modules, we are proposing jointly, a spectral angle algorithm (SA) based on gradient and multiresolution analyses. SA uses spectral information to distinguish roads from other forms of land cover, while MRA uses low-frequency linear (Gaussian) filters to reduce high frequency contents (noise) in a bid to simplify the original information for effective processing of the optical image. Secondly, and in the same vein, we will apply a combination of Bresenham algorithms (interpolation function for the linearity of pixels-roads) and the multiscale beamlets (multiscale analysis method) associated with the Frost filter to improve the detection of roads from synthetic aperture radar (SAR) images. SAR images have a noisy appearance (speckle) due to noise from backscattered waves. Frost filters considerably reduce speckle effects. Thirdly, we are proposing an improvement of road damage (blockage) detection, using the local binary pattern (LBP) and its variants through support vector machine (SVM) classifiers. These algorithms have successfully been applied on optic and radar image data. Our results were validated by an analysis showing the advantages and disadvantages of each of the approaches developed.

This work was the subject of two papers and one journal article and submission (Annexe III).

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". Comprend des références bibliographiques (pages 321-339).
Mots-clés libres:	multirésolution, angle spectral, filtre de chatoiement, apprentissage supervisé, catastrophes majeures, détection de changement
Directeur de mémoire/thèse:	Directeur(-trice) St-Jacques, Michèle
Programme:	Doctorat en génie > Génie
Date de dépôt:	23 sept. 2026 19:08
Dernière modification:	23 sept. 2026 19:08
URI:	https://espace.etsmtl.ca/id/eprint/4111

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt