Extraction des structures linéaires à partir des images satellitaires à très haute résolution pour l'aide à la gestion des catastrophes majeures

摘要

Durant les dernières décennies, le domaine de la télédétection et de l’imagerie satellitaire a connu un intérêt accru auprès de plusieurs gouvernements et organisations nationales et internationales. Cet intérêt apparaît dans le nombre énorme de satellites de télédétection qui gravitent autour de la Terre. Les capteurs installés sur ces satellites offrent chaque jour des images de plus en plus précises de différentes régions de la Terre pour combler divers besoins : cartographie, mise à jour des bases de données géographiques et détection des changements. Parmi ces différents champs d’application, nous nous intéressons à la gestion des catastrophes dans lesquelles la télédétection contribue à l’amélioration de la réponse des équipes de secours et à l’organisation des efforts de recherche. Quand une catastrophe se produit, la télédétection est souvent le seul moyen de voir ce qui se passe sur le terrain. Il est très utile de savoir si les routes sont praticables afin de diriger les équipes de secours sur le terrain et gagner du temps qui compte pour sauver des vies et limiter les dégâts. C’est dans ce contexte que s’inscrit cette thèse qui vise à élaborer une méthode efficace et opérationnelle pour l’extraction des structures linéaires et l’évaluation de leurs dommages suite à une catastrophe majeure. Selon la nature des données utilisées en entrée, deux différentes approches sont proposées pour résoudre les problèmes d’extraction des dommages des routes à partir des images optiques et l’identification des zones inondées à partir des images radar, respectivement. La première approche se base principalement sur l’analyse multiéchelle en beamlets pour extraire les segments candidats à partir de la liste des contours de l’image dans un premier temps, puis la relation spatiale entre les segments extraits à partir des différentes échelles est utilisée pour reconstruire le réseau routier. Finalement, la théorie des fonctions de croyance est appliquée pour identifier la nature des changements en utilisant le raisonnement evidentiel multidimensionnel. La deuxième approche présente une nouvelle technique pour extraire les zones inondées à partir des images radar basée sur la combinaison des mesures de texture locales calculées en chaque pixel de l’image et sur des connaissances globales associées à la forme de l’objet d’intérêt. Puis une étape de détection de changement basée sur la logique floue est appliquée afin d’identifier les régions inondées. Les deux approches proposées ont été testées sur des images optiques du satellite GeoEye-1 du tremblement de terre qui a eu lieu en Haïti en 2010 et des images radar des inondations de la rivière Richelieu en 2011, acquises par le satellite RADARSAT-2. Les résultats des études expérimentales démontrent la robustesse et l’efficacité des deux approches décrites.