Direction de recherche : Matthieu CORD

Détection et caractérisation de la végétation en milieu urbain à partir d’images aériennes haute résolution

La modélisation 3D des zones urbaines est un enjeu actuel important pour des applications liées à l'aménagement du territoire, l'urbanisme ou la gestion de l'environnement. Les méthodes de traitement automatique d'images aériennes proposes depuis plusieurs années pour la reconstruction 3D d’environnements urbains se limitent aux objets créés par l'homme. Or, la végétation est également très importante pour la compréhension des zones urbaines.
Cette thèse présente le développement d’un système hiérarchique d'analyse d'images aériennes couleur et infrarouge pour la détection et la caractérisation de la végétation en vue de la modélisation 3D des milieux urbains.
Le premier module de ce système a pour fonction de détecter les zones de végétation. L’approche adoptée repose sur une méthode de classification supervisée utilisant les Séparateurs à Vaste Marge (SVM) que nous comparons aux approches traditionnelles de télédétection. Les modules suivants ont pour but de caractériser ces zones de végétation. La séparation en végétation haute (arbre) et végétation basse (pelouse) repose sur un critère de texture calculé sur le modèle numérique de surface (MNS). Ensuite, une étape d'extraction des houppiers faisant intervenir un algorithme de croissance de régions intégrant des caractéristiques géométriques d’arbres est présentée. Des paramètres morphologiques (la hauteur, le diamètre de la couronne, la localisation du tronc des arbres) sont estimés pour chaque houppier. Les différentes espèces d’arbres sont ensuite déterminées par un système de classification supervisée. Dans ce domaine, nous avons étudié l’apport des caractéristiques radiométriques, de texture, ainsi que de leur fusion. L'ensemble des informations extraites par ce système (paramètres morphologiques, type de végétation et espèce) est utilisé pour enrichir un modèle 3D urbain avec des modèles de végétation réalistes.

Publications 2007-2014

• 2014
  • C. Iovan, P.‑H. Cournède, Th. Guyard, B. Bayol, D. Boldo, M. Cord : “Model-Based Analysis-Synthesis for Realistic Tree Reconstruction and Growth Simulation”, IEEE Transactions on Geoscience and Remote Sensing, vol. 52 (2), pp. 1438-1450, (Institute of Electrical and Electronics Engineers) (2014)
• 2012
  • C. Iovan, D. Picard, N. Thome, M. Cord : “Classification of Urban Scenes from Geo-referenced Images in Urban Street-View Context”, Machine Learning and Applications (ICMLA), 2012 11^th International Conference on, vol. 2, Boca Raton, Florida, United States, pp. 339-344 (2012)
• 2009
  • C. Iovan : “Détection et caractérisation de la végétation en milieu urbain à partir d’images aériennes haute résolution”, soutenance de thèse, soutenance 30/11/2009, direction de recherche Cord, Matthieu (2009)
• 2008
  • C. Iovan, D. Boldo, M. Cord : “Detection, Characterization and Modeling Vegetation in Urban Areas from High Resolution Aerial Imagery”, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 1 (3), pp. 206-213, (IEEE) (2008)
  • C. Iovan, D. Boldo, M. Cord : “Detection, segmentation and characterisation of vegetation in high-resolution aerial images for 3d city modelling”, XXI ISPRS Congress, Beijin, China, pp. 247-252 (2008)
• 2007
  • C. Iovan, D. Boldo, M. Cord, M. Erikson : “Automatic Extraction and Classication of Vegetation Areas from High Resolution Images in Urban Areas”, Scandinavian Conference on Artificial Intelligence, vol. 4522, Lecture Notes in Computer Science, Aalborg, Denmark, pp. 858-867, (Springer) (2007)
  • C. Iovan, D. Boldo, M. Cord : “Automatic Extraction of urban vegetation structures from High Resolution Imagery and digital elevation models”, Urban Remote Sensing Joint Event, Paris, France, pp. 1-5, (IEEE) (2007)