Classification robuste par modèle de mélange

Les base de données terrain large échelle telles que le Registre Parcellaire Graphique ou CORINE Land Cover sont utilisées comme données de référence pour de nombreuses applications en télédétection. Par exemple, pour le produit du CES OSO, les algorithmes d’apprentissage utilisent une agrégation de ces base de données. Cependant, en raison des différences entre la résolution spatiale de ces bases de données et entre leur années de mise à jours, des erreurs dans les labels de classes viennent entacher cette donnée de référence lors du traitement et, de fait, limiter la performances des algorithmes de classification.

Dans le cadre des travaux de thèse d’Erwan Giry-Fouquet financé par l’ANR MAESTRIA, un algorithme robuste à ce type de bruit (i.e., bruit dans les labels) a été mis au point et les résultats ont publiés dans la revue Pattern Recognition Letter (https://doi.org/10.1016/j.patrec.2021.10.020). L’idée générale consiste en une première analyse des données à classifier par un algorithme de clustering (étape non perturbée par le bruit dans les labels), puis dans un second temps d’assigner les clusters identifiés automatiquement aux classes pré-définies. L’algorithme proposé permet de trouver l’assignation optimale de manière extrêmement efficace. Cette approche permet de plus de retrouver les différents constituant d’une classe d’occupation des sols, comme illustré ci-dessous.

Profil NDVI moyen sur une année pour la classe Tournesol, ainsi que les trois clusters identifiés par l’algorithme, sur des données synthétiques (Pelletier et al., 10.3390/rs9020173)

En termes de qualité de la production cartographique, l’étape de clustering est limitante car difficile à réaliser avec des jeux de données massives de type séries temporelles Sentinel-2. Des travaux sont maintenant en cours pour améliorer cette étape de clustering.

Publication : Erwan Giry Fouquet, Mathieu Fauvel, Clément Mallet, Fast estimation for robust supervised classification with mixture models, Pattern Recognition Letters, 2021, ISSN 0167-8655, https://doi.org/10.1016/j.patrec.2021.10.020.

Plus d'actualités

Comparaison de produits d’humidité du sol satellitaires à haute résolution dans le bassin de l’Ebre (Espagne)

L’humidité du sol est une variable cruciale pour caractériser le climat de la Terre. Depuis une quinzaine d’année et le lancement de capteurs dédiés à l’observation de l’humidité de surface du sol, de nombreux produits basés sur l’utilisation de radiomètres passifs (par exemple SMOS, SMAP, AMSR-E …) ou d’instruments actifs tels que les radar à […]

Soutenance de la thèse de Yoël Zérah, Jeudi 20 Juin 9h30 : « Apprentissage profond de représentations physiques de la végétation à partir de séries temporelles d’images satellite optiques. »

C’est avec grand plaisir que je vous convie à ma soutenance de thèse, intitulée Apprentissage profond de représentations physiques de la végétation à partir de séries temporelles d’images satellite optiques. Celle-ci aura lieu le jeudi 20 Juin à 9h30 dans la salle de conférence du CESBIO. Un lien de visio-conférence sera communiqué plus tard. Résumé […]

Reconstruction de l’atmosphère de la grotte d’Altamira grâce à des données satellites

Une équipe franco-espagnole impliquant des scientifiques du CESBIO a réussi modéliser la teneur en CO2 dans l’atmosphère de la grotte d’Altamira (Espagne) grâce à des données satellitaires. Ce travail fait suite à une étude qui avait conduit à la détermination de modèles chaotiques pour l’atmosphère de cette même grotte. Lire la brève sur le site […]

Rechercher