Mining satellite image database of landscapes and application for urban zones: clustering, consensus and categorisation - PASTEL - Thèses en ligne de ParisTech Accéder directement au contenu
Thèse Année : 2008

Mining satellite image database of landscapes and application for urban zones: clustering, consensus and categorisation

Recherche dans les bases de donnees satellitaires des paysages et application au milieu urbain: clustering, consensus et categorisation

Résumé

Remote sensed satellite images have found a wide application for analysing and managing natural resources and human activities. Satellite images of high resolution, e.g., SPOT5, have large sizes and are very numerous. This gives a large interest to develop new theoretical aspects and practical tools for satellite image mining. The objective of the thesis is unsupervised satellite image mining and includes three main parts. In the first part of the thesiswe demonstrate content of high resolution optical satellite images. We describe image zones by texture and geometrical features. Unsupervised clustering algorithms are presented in the second part of the thesis. A review of validity criteria and information measures is given in order to estimate the quality of clustering solutions. A new criterion based on Minimum Description Length (MDL) is proposed for estimating the optimal number of clusters. In addition, we propose a new kernel hierarchical clustering algorithm based on kernel MDL criterion. A new method of
Les images satellitaires ont trouvées une large application pour l'analyse des ressources naturelles et des activités humaines. Les images à haute résolution, e.g., SPOT5, sont très nombreuses. Ceci donne un grand intérêt afin de développer de nouveaux aspects théoriques et des outils pour la fouille d'images. L'objectif de la thèse est la fouille non-supervisée d'images et inclut trois parties principales. Dans la première partie nous démontrons le contenu d'images à haute résolution. Nous décrivons les zones d'images par les caractéristiques texturelles et géométriques. Les algorithmes de clustering sont présentés dans la deuxième partie. Une étude de critères de validité et de mesures d'information est donnée pour estimer la qualité de clustering. Un nouveau critère basé sur la Longueur de Description Minimale (LDM) est proposé pour estimer le nombre optimal de clusters. Par ailleurs, nous proposons un nouveau algorithme hiérarchique basé sur le critère LDM à noyau. Une nouvelle méthode de ''combinaison de clustering'' est présentée dans la thèse pour profiter de différents algorithmes de clustering. Nous développons un algorithme hiérarchique pour optimiser la fonction objective basée sur une matrice de co-association. Une deuxième méthode est proposée qui converge à une solution globale. Nous prouvons que le minimum global peut être trouvé en utilisant l'algorithme de type ''mean shift''. Les avantages de cette méthode sont une convergence rapide et une complexité linéaire. Dans la troisième partie de la thèse un protocole complet de la fouille d'images est proposé. Différents clusterings sont représentés via les relations sémantiques entre les concepts.
Fichier principal
Vignette du fichier
these_Kyrgyzov.pdf (15.77 Mo) Télécharger le fichier
Loading...

Dates et versions

pastel-00004084 , version 1 (09-01-2009)

Identifiants

  • HAL Id : pastel-00004084 , version 1

Citer

Ivan Kyrgyzov. Mining satellite image database of landscapes and application for urban zones: clustering, consensus and categorisation. domain_other. Télécom ParisTech, 2008. English. ⟨NNT : ⟩. ⟨pastel-00004084⟩
375 Consultations
586 Téléchargements

Partager

Gmail Facebook X LinkedIn More