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
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".