Modeling, Extracting and Description of Intrinsic Cues of High Resolution Satellite Images: Independent Component Analysis Based Approaches

Modélisation et Extraction des Descripteurs Intrinsèques des Images Satellite à Haute Résolution: Approches Fondées sur l'Analyse en Composantes Indépendantes

Payam Birjandi (1, 2)

1 TSI - Département Traitement du Signal et des Images
2 LTCI - Laboratoire Traitement et Communication de l'Information

Sub-meter resolution satellite images, capture very detailed information, as for example, shape of buildings, roads, etc. The main purpose of the thesis is to propose descriptors for sub-meter resolution satellite images especially for those who contain geometrical or man-made structures. Independent component analysis (ICA) is a good candidate for this purpose, since previous studies demonstrated that the resulted basis vectors contain some small lines and edges, the important elements in the characterization of geometrical structures. As a basic analysis, a study about the effects of scale size and dimensionality of ICA system on indexing of satellite images is presented and the optimum dimensionality and scale size are found. There are two view points for feature extraction based on ICA. The usual idea is to use the ICA coefficients (ICA sources) and the other is to use the ICA basis vectors related to every image. Based on the first point of view, an ordinary ICA source based approach is proposed for feature extraction. This approach is developed and modified through a topographic ICA system to extract middle level features which leads to a significant improvement in results. Based on the other point of view, two methods are proposed. One of them uses the bag of words idea which considers the basis vectors as visual words. Second method uses the lines properties inside the basis vectors to extract features. Also, using the lines properties idea, another method is developed which directly detects the line segments in the images. Finally, the capabilities of proposed descriptors are compared through a supervised classification based on support vector machine (SVM).

Les images satellites haute résolution contiennent des informations très détaillées comme la forme des bâtiments, les zones industrielles, etc. Leur contenu d'information est hyper riche et très compliqué a extraire. Parmi les paysages différents, les zones urbaines et des structures géométriques sont les paysages plus compliques pour les différant domaines de recherches. Nous allons extraire les indices intrinsèques des images satellite et proposer les descripteurs robustes. En utilisant ces descripteurs, nous serions capables de reconnaitre une variété des paysages, en particulier, les structures géométriques au sein des images satellite. L'analyse en composantes indépendantes (l'ACI) est la base théorique de cette thèse. La première contribution de thèse est une investigation sur l'effet de la taille de l'échelle et la dimension d'un système de l'ACI qui est utilisé pour caractérisation des images satellite. Cela nous aide à choisir le framework de notre modèle de l'ACI pour extraire des caractéristiques. On propose deux groupes des descripteurs pour les images satellites haute résolution. Le premier groupe contient deux types des descripteurs qui sont basés sur les coefficients (les sources) de l'ACI ordinaire ou l'ACI topographique et le deuxième contient deux types des descripteurs qui sont basés sur les propriétés des vecteurs de base de l'ACI. En se basant sur notre expérience en l'ACI nous proposons un autre descripteur qui extrait les caractéristiques des lignes dans les images satellites. Finalement, les capacités des descripteurs proposés sont comparés grâce a une classification supervisée basée sur la machine à vecteurs de support.

Mots clés: Image Satellite; Descripteur; l'Analyse en Composantes Indépendantes

Domaines: Traitement du signal et de l'image [eess.SP]; Traitement du signal et de l'image [eess.SP]

Payam Birjandi. Modeling, Extracting and Description of Intrinsic Cues of High Resolution Satellite Images: Independent Component Analysis Based Approaches. Signal and Image Processing. Télécom ParisTech, 2011. English. ⟨NNT : ⟩. ⟨pastel-00677956⟩