Skip to Main content Skip to Navigation
Reports

Noyaux texturaux pour les problèmes de classification par SVM en télédétection

Florent Lafarge 1 Xavier Descombes Josiane Zerubia
1 ARIANA - Inverse problems in earth monitoring
CRISAM - Inria Sophia Antipolis - Méditerranée , Laboratoire I3S - SIS - Signal, Images et Systèmes
Résumé : Nous détaillons dans ce rapport la construction de deux noyaux texturaux s'utilisant dans les problèmes de classification par «Support Vector Machines» en télédétection. Les SVM constituent une méthode de classification supervisée particulièrement bien adaptée pour traiter des données de grande dimension telles que les images satellitaires. Par cette méthode, nous souhaitons réaliser l'apprentissage de paramètres qui permettent la différenciation entre deux ensembles de pixels connexes non-identiques. Nous travaillons pour cela sur des fonctions noyaux, fonctions caractérisant une certaine similarité entre deux données. Dans notre cas, cette similarité sera fondée à la fois sur une notion radiométrique et sur une notion texturale. La principale difficulté rencontrée dans cette étude réside dans l'élaboration de paramètres texturaux pertinents qui modélisent au mieux l'homogénéité d'un ensemble de pixels connexes. Nous appliquons les noyaux proposés à deux problèmes de télédétection: la détection de feux de forêt et la détection de zones urbaines à partir d'images satellitaires haute résolusion.
Document type :
Reports
Complete list of metadata

Cited literature [1 references]  Display  Hide  Download

https://hal.inria.fr/inria-00070633
Contributor : Rapport de Recherche Inria <>
Submitted on : Friday, May 19, 2006 - 9:04:33 PM
Last modification on : Monday, October 12, 2020 - 10:30:17 AM
Long-term archiving on: : Sunday, April 4, 2010 - 9:37:14 PM

Identifiers

  • HAL Id : inria-00070633, version 1

Collections

Citation

Florent Lafarge, Xavier Descombes, Josiane Zerubia. Noyaux texturaux pour les problèmes de classification par SVM en télédétection. RR-5370, INRIA. 2004, pp.39. ⟨inria-00070633⟩

Share

Metrics

Record views

325

Files downloads

478