4423 articles – 2353 references  [version française]
HAL: hal-00656542, version 1

Detailed view  Export this paper
RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), Lyon : France (2012)
Segmentation multi-échelle de séries temporelles d'images satellite : Application à l'étude d'une période de sécheresse au Sénégal
Thomas Guyet 1, 2, Hervé Nicolas 3, Abdou Diouck 3
(2012-01-24)

Les images satellite permettent l'acquisition d'information à grande échelle sur la végétation au sol. Ces images sont disponibles sur plusieurs années avec des fréquences d'acquisition importantes (1 image tous les seize jours) et forment ainsi des séries temporelles d'image satellite (SITS). Dans ce travail, nous présentons une méthode pour segmenter une SITS en caractérisant l'évolution d'un indice de végétation (indice NDVI) sur deux échelles temporelles : annuelle et pluriannuelle. Nous expérimentons cette méthode pour segmenter les régions sèches du Sénégal et comparons notre méthode à une classification directe des séries temporelles. Les résultats montrent que notre méthode différentie mieux des régions dans la zone médiane du Sénégal et localise des régions fines significatives (villes, forêts, zones agricoles).
1:  DREAM (INRIA - IRISA)
CNRS : UMR6074 – INRIA – Institut National des Sciences Appliquées (INSA) - Rennes – Université de Rennes 1
2:  Agrocampus Ouest
Institut supérieur des sciences agronomiques, agroalimentaires, horticoles et du paysage – Ministère de l'agriculture, de l'agroalimentaire et de la forêt
3:  Sol Agro et hydrosystème Spatialisation (SAS)
Institut national de la recherche agronomique (INRA) : UR1069 – Ecole Nationale Supérieure Agronomique de Rennes
Computer Science/Artificial Intelligence

Computer Science/Computer Vision and Pattern Recognition
Images satellite – Séries temporelles – Catégorisation
Attached file list to this document: 
PDF
rfia2012_submission_37.pdf(6 MB)