Détection automatique des changements du bâti en milieu urbain sur des images à très haute résolution spatiale (Ikonos et QuickBird) en utilisant des données cartographiques numériques
Notice bibliographique
Résumé
The updating of cartographic databases in urban environments is a difficult and expensive task. It can be facilitated by an automatic change detection method. Several methods have been developed for medium and low spatial resolution images. These methods are not adapted for the very high spatial resolution images (VHSR) and are not applicable in urban environment. This study proposes a new method for change detection of buildings in urban environments from VHSR images and using existing digital cartographic data. The proposed methodology is composed of several stages. The existing knowledge on the buildings and the other urban objects are first modelled and saved in a knowledge base. All change detection rules are defined at this stage. Then, the image is segmented. The parameters of segmentation are computed thanks to the integration between the image and the geographical database (GDB). Thereafter, the segmented image is analyzed using the knowledge base to localize the segments where the change of building is likely to occur. The change detection rules are then applied on these segments to identify the segments that represent the changes of buildings. These changes represent the updates of buildings to add to the geographical database. Finally, the map representing changes is assessed before being integrated in the geographical database. The data used in this research concern the city of Sherbrooke (Quebec, Canada) and the city of Rabat (Morocco). For Sherbrooke, we used an Ikonos image acquired in October 2004, an Ikonos image acquired in July 2006 and a GDB at the scale of 1:20,000. For Rabat, a QuickBird image acquired in August 2004 has been used with a GDB at the scale of 1:10,000. The results of tests on several zones are encouraging. Indeed, the rate of good detection is of 90%. Concerning the geometric precision of detection, the mean error is 3 m for Ikonos and 2 m for QuickBird. The proposed method presents some limitations on the detection of the exact contours of the buildings. It could be improved by including a shape post-analysis of detected buildings. The proposed method can be integrated in a cartographic update process or as a method for the quality assessment of a topographic database.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».