Ãtude du profil d'échelle des formes et de mesures d'énergie de texture pour l'évaluation semi-automatique des dégâts sur les bâtiments dans les images satellitaires de très haute résolution
Notice bibliographique
Résumé
Des dizaines de catastrophes naturelles surviennent chaque année à travers le monde. Celles-ci causent la mort de milliers d’êtres humains et coûtent des milliards de dollars en pertes et en reconstruction. Des ressources considérables sont investies dans les diverses phases du cycle d’une urgence dont lors de la réponse et la reconstruction. Afin d’éviter une mauvaise gestion des ressources humaines et matériels lors de la réponse à une catastrophe, des décisions éclairées doivent être prises très rapidement. Afin de faire les choix adéquats, les décideurs ont besoin d’information à jour sur les conditions sur le terrain. Les images acquises par satellite sont une source possible pour cette information. Les nouveaux satellites dotés de capteurs optiques de résolution spatiale plus fine qu’un mètre par pixel offrent des détails utiles pour déterminer l’état des routes et les dégâts subis par les bâtiments. Par contre, l’analyse visuelle de ces images de très grande taille est fastidieuse et la fatigue peut augmenter le taux d’erreur humaine. Dans cette thèse, nous proposons une méthode semi-automatique d’extraction des bâtiments et d’évaluation des dégâts sur ces derniers à l’aide de descripteurs géométriques, radiométriques et de texture. Les travaux effectués incluent une revue de la littérature dans le domaine afin de déterminer les lacunes des méthodes actuelles ainsi que les pistes de solutions, le développement d’une méthodologie pour résoudre ce problème ardu, l’expérimentation de la méthode proposée sur une partie d’images de la ville de Port-au-Prince à Haïti captées avant et après le tremblement de terre du 12 janvier 2010, l’évaluation des résultats et leur comparaison avec la littérature. La méthode proposée nécessite la transformation de l’image en arbre hiérarchique de formes grâce à la méthode de transformée rapide en lignes de niveau. Une fois l’image représentée de la sorte, un algorithme d’extraction de formes significatives est utilisé pour assigner une forme représentative pour chaque pixel. Des descripteurs géométriques tels que la surface, le périmètre et d’autres issus des moments centraux sont extraits de ces formes. De plus, pour l’évaluation des dégâts, des mesures d’énergie de texture sont calculées sur les formes avant et après l’événement. Les bâtiments sont extraits à l’aide d’un classificateur supervisé basé sur le séparateur à vaste marge (SVM). Les dégâts sont classifiés selon trois degrés soit : aucun ou peu de dégât, endommagé et détruit. Après expérimentation, la méthode proposée pour l’évaluation des dégâts est supérieure à celles proposées dans la littérature récente. L’utilisation du profil d’échelle et l’utilisation des textures de Laws sont des innovations considérables dans le domaine de la télédétection amenées par cette thèse.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».