Accueil || Parcours || Recherche || S'enregistrer || Mon Compte || Contacts || Aide || Langues
Kyrgyzov, Ivan (2008) Recherche dans les bases de donnees satellitaires des paysages et application au milieu urbain: clustering, consensus et categorisation. Doctorat Signal et Images, Laboratoire Traitement et Communication de l'Information UMR 5141, ENST p.262.
Plein texte disponible en tant que :
|
|
URL officielle: http://www.tsi.enst.fr/~kyrgyzov/these.pdf
Résumé
Les images satellitaires ont trouvées une large application pour l'analyse des ressources naturelles et des activités humaines. Les images à haute résolution, e.g., SPOT5, sont très nombreuses. Ceci donne un grand intérêt afin de développer de nouveaux aspects théoriques et des outils pour la fouille d'images.
L'objectif de la thèse est la fouille non-supervisée d'images et inclut trois parties principales. Dans la première partie nous démontrons le contenu d'images à haute résolution. Nous décrivons les zones d'images par les caractéristiques texturelles et géométriques.
Les algorithmes de clustering sont présentés dans la deuxième partie. Une étude de critères de validité et de mesures d'information est donnée pour estimer la qualité de clustering. Un nouveau critère basé sur la Longueur de Description Minimale (LDM) est proposé pour estimer le nombre optimal de clusters. Par ailleurs, nous proposons un nouveau algorithme hiérarchique basé sur le critère LDM à noyau.
Une nouvelle méthode de ''combinaison de clustering'' est présentée dans la thèse pour profiter de différents algorithmes de clustering. Nous développons un algorithme hiérarchique pour optimiser la fonction objective basée sur une matrice de co-association. Une deuxième méthode est proposée qui converge à une solution globale. Nous prouvons que le minimum global peut être trouvé en utilisant l'algorithme de type ''mean shift''. Les avantages de cette méthode sont une convergence rapide et une complexité linéaire.
Dans la troisième partie de la thèse un protocole complet de la fouille d'images est proposé. Différents clusterings sont représentés via les relations sémantiques entre les concepts.
| Type d'EPrint: | Thèse (Doctorat) |
|---|---|
| Directeur de Thèse: | Maître, Henri |
| Date: | 30 Mai 2008 |
| Jury de Thèse: | Govaert, Gerard et Merialdo, Bernard et Marcotorchino, Jean-francois et Ducrot, Danielle et Campedel, Marine |
| Ecole Doctorale: | ED 130 INFORMATIQUE, TELECOMMUNICATIONS ET ELECTRONIQUE (EDITE) |
| Discipline: | Signal et Images |
| Fonds: | TELECOM ParisTech (ENST) |
| Institution: | ENST |
| Laboratoire: | Laboratoire Traitement et Communication de l'Information UMR 5141 |
| Sujets: | 2. Sciences et technologies de l'information et de la communication 1. Mathématiques et leurs applications |
| Mots-clés libres: | Satellite image, Feature, Class, Cluster, Clustering, Combination, Consensus, Algorithm, Co-association, Number of clusters, Square error, Minimum description length, Mean shift, Semantic, Image satellitaire, Caractéristique, Classe, Cluster, Clustering, Combinaison, Consensus, Algorithme, Co-association, Nombre de clusters, Erreur quadratique, Longueur de description minimale, Mean shift, Sémantique |
| Code ID: | 4084 |
| Déposé par : | Ivan Kyrgyzov |
| Déposé le : | 09 Janvier 2009 |
Administrateurs de l'archive uniquement : éditer cet enregistrement