1

La vision par ordinateur en télédétection Géomatique 2013

Par François Riendeau assisté de Philippe Côté et Pierre Bugnet

1. Principes généraux d’imagerie et de télédétection

2. La vision par ordinateur

3. Utilisation de la vision par ordinateur en télédétection

4. Perspectives d’avenir et développements en cours chez Effigis

2

C O N T E N U D E L A P R É S E N T A T I O N

3

C O M I T É V E I L L E T E C H N O L O G I Q U E

v  François Riendeau, directeur production OT. L’extraction

d’information à partir d’images est à la base de son travail depuis

près de 20 ans.

v  Philippe Côté, chargé de projets. S’intéresse au développement

du domaine de la vision par ordinateur et des applications

possibles dans le domaine de l’imagerie satellite.

v  Pierre Bugnet, spécialiste en télédétection. Réalise divers

développements qui tirent profit des algorithmes de vision par

ordinateur pour extraire de l’information à partir des images.

P r i n c i p e s d ’ i m a g e r i e e t d e t é l é d é t e c t i o n

4

INFORMATION

?

P r i n c i p e s d ’ i m a g e r i e e t d e t é l é d é t e c t i o n

5

P r i n c i p e s d ’ i m a g e r i e e t d e t é l é d é t e c t i o n

6

Gamme dynamique (dynamics range) : rapport de la plus grande à la plus petite valeur d'une grandeur qui caractérise l'intensité d'une lumière. Elle est mesurée par une valeur logarithmique en base 2.

Résolution binaire

Nombre de couleurs possibles

2 bits 22 = 4 8 bits 28 = 256 12 bits 212 = 4096 16 bits 216 = 65536 24 bits 224 = 16777216

8 bits = 1 octet 10011010

16 bits = 2 octets 10011010 10011010

8 bits : 1000 pixels x 1000 lignes = 1 Mo 16 bits : 1000 pixels x 1000 lignes = 1 Mo x 2 = 2 Mo 24 bits : 1000 pixels x 1000 lignes = 1 Mo x 3 = 3 Mo

P r i n c i p e s d ’ i m a g e r i e e t d e t é l é d é t e c t i o n

7

VISION PAR ORDINATEUR

?

L A V I S I O N P A R O R D I N A T E U R

8

La vision par ordinateur : Discipline qui inclut des méthodes pour acquérir, traiter, analyser et comprendre des images et, de façon générale, comprendre le monde réel de manière à produire des informations numériques ou symboliques. Une des approches consiste à dupliquer les habiletés de la vision humaine en utilisant des modèles construits à l’aide de la géométrie, la physique, les statistiques et la théorie d’apprentissage.

L A V I S I O N P A R O R D I N A T E U R

9

Méthodes d’un système utilisant la vision par ordinateur: Ø  Acquisition de l’image – à l’aide d’un capteur Ø  Prétraitement Ø  Extraction d’éléments de l’image Ø  Détection/Segmentation Ø  Post-traitement et classification Ø  Prise de décision

L A V I S I O N P A R O R D I N A T E U R

10

Détection d’objets : La méthode Viola-Jones par apprentissage supervisé

Autres applications: •  Robotique industrielle •  Navigation •  Détection d’événements •  Modélisation d’objets ou

d’environnements, par exemple : topographie.

A P P L I C A T I O N S E N T É L É D É T E C T I O N

11

Applications courantes en télédétection: Ø  Extraction automatique d’entités linéaires Ø  Extraction automatique de la topographie Ø  Segmentation/classification de surface

Ø  Détection d’objets Ø  Suivi et détection de changements Ø  Analyse de phénomènes dynamiques Ø  Modélisation 3d

The Aerial Imaging and Remote Sensing (AIRS) Laboratory is dedicated to the advancement of environmental sciences through the application of state-of-the-art computer vision techniques. We work with scientists, educators and public interest professionals with a common need for reliable, highly automated methods for integrating aerial images and other remote sensing data in their research, education and decision making processes. We are concerned with all aspects of remote sensing from sensor design and data collection to mapping and information extraction

University of Massachusetts

A P P L I C A T I O N S E N T É L É D É T E C T I O N

12

Résolution Faible Haute

A P P L I C A T I O N S E N T É L É D É T E C T I O N

13

Classification basée sur le pixel vs Classification orientée-objet

•  Supervisée ou non supervisée •  Signature spectrale •  Chaque pixel est classifié •  Nécessite passablement de post-traitement •  Fonctionne bien avec des paysages relativement

homogènes

•  Segmentation d’objets par groupe de pixels •  Critères sur la couleur, la forme, la topologie

(voisinage), etc. •  Arbre décisionnel pour la classification •  Mieux adaptée à la haute résolution

[Willhauck et al., 2000; Mansor et al., 2002; Oruc et al., 2004]. Neimeyer and Canty [2003]

A P P L I C A T I O N S E N T É L É D É T E C T I O N

14

Détection d’objets

Apprentissage automatique

A P P L I C A T I O N S E N T É L É D É T E C T I O N

15

Commerciaux

•  eCognition 8.7 (CART, SVM)

•  PCI FeatureObjeX

•  ENVI Feature Extraction Module (ENVI FX)

•  Overwatch (Textron Systems) Feature Analyst

•  MATLAB + Computer Vision System Toolbox

Open Source

•  OpenCV

•  OrfeoToolbox/QGIS

•  R

P e r s p e c t i v e s d ’ a v e n i r e t d é v e l o p p e m e n t

16

Faits: •  Les problèmes posés par la modélisation de la vision sont loin d'être résolus. •  Les méthodes basées sur l’apprentissage sont de plus en plus populaires

P e r s p e c t i v e s d ’ a v e n i r e t d é v e l o p p e m e n t

17

Quelques projets chez Effigis

Détection d’arbres et de bâtiments à partir d’images 2d

•  Projet en production avec un client

•  La détection s’effectue en plusieurs étapes

•  N’utilise aucune donnée 3d (LIDAR).

P e r s p e c t i v e s d ’ a v e n i r e t d é v e l o p p e m e n t

18

Quelques projets chez Effigis

Télédétection pour les Catastrophes Majeures En collaboration avec le département de génie de la production automatisée, ETS Développement d'un logiciel intégré pour l'analyse semi-automatique d’images satellitaires radars et optiques multispectrales à très haute résolution en vue d'identifier et évaluer les dommages de zones sinistrées touchées par une catastrophe majeure.

1. L’avenir de la télédétection et de la vision par ordinateur sont certainement très liés et la recherche dans ce domaine est très

active.

2. Les nouveaux outils utilisant des principes de vision par

ordinateur en télédétection ne présentent pas encore une grande

maturité opérationnelle.

3. Effigis : poursuivre la veille technologique et les développements.

19

C O N C L U S I O N S

MERCI DE VOTRE ATTENTION ! Des questions?

20