Variabilité spatio-temporelle de la chlorophylle en surface de la mer ...

More documents

Recommendations

Info

voisins. Ainsi, notre approche permet de s’affranchir de l’état de l’initialisation tout en se dirigeant vers la solution optimale et de ce fait évite le piégeage dans un minimum local. La fonction d’énergie (énergie initiale) d’un pixel stationnaire V s , est la suivante : x s ayant l’étiquette c s dans un voisinage ⎩ ⎨⎧ 1 2 T −1 ( c s x ) = ( x s − µ c ) . ∑ c . ( x s − µ c ) + ln ⎨ ∑ ⎬ + β ∑ 1 − δ ( c s , c r ) s s s c U s 144 1 2 ⎧ ⎩ s ⎭ ⎬⎫ ⎫ ⎭ r∈V s ( ) La fonction d’énergie d’une fourmi émise par le pixel x s , transportant l’étiquette c f et parcourant un chemin aléatoire V ns (voisinage non stationnaire), est donnée comme suit : ⎧ ⎪ 1 T −1 1 ⎪ ( c s x ) = ⎨ ( x s − µ c ) . ∑ c . ( x s − µ c ) + ln ⎨ ∑ ⎬ ⎬ + β ∑ ( 1 − δ ( c f , c r ) ) s s s c U s ⎩ 2 2 ⎧ ⎩ s ⎫ ⎫ ⎭ ⎭ r∈V sn Avec µ c et ∑ s c sont respectivement le vecteur moyenne et la matrice de covariance de la s classe cs au site s, déterminés à partir des échantillons d’entraînement. β est un paramètre de régularisation et δ est le symbole de Kroeneker. A cause du déplacement aléatoire des fourmis, le critère d’arrêt généralement adopté est un nombre d’itérations fixé au préalable par l’utilisateur. 3. Résultats : En appliquant l’approche proposée sur limage multispectrale couvrant la région nord-est de la ville d’Alger, nous avons obtenu des résultats satisfaisants et très encourageants. En effet, contrairement au résultat obtenu par la méthode markovienne classique (ICM) qui présente une dégradation et une perte des contours et des segments, dû principalement à l’adoption d’un voisinage stationnaire, les fourmis arrivent à retrouver les voisins optimaux permettant ainsi de garder la notion de continuité, notamment au niveau des segments et des structures linéaires Mots-clés : images, classification, colonie de fourmis, champs aléatoires de Markov (MRF). Bibliographie - Le Hégarat-Mascle, S., Kallel, A., & Descombes, X. (2005). Ant colony optimization for image regularization based on a non-stationary Markov modelling. IEEE Transactions on Image Processing, submitted on April 20, 2005.
- Monmarché, N. (2004). Algorithmes de fourmis artificielles : applications à la classification et à l’optimisation. Thèse pour obtenir le grade de Docteur de l’université de Tours. Discipline : Informatique. Université François Rabelais, Tours, France, 231 p. - Ouadfel, S., Batouche, M. (2003). MRF-based image segmentation using Ant Colony System. Electronic Letters on Computer Vision and Image Analysis, pp. 12-24. Apports de la télédétection et du MNE SRTM à l’Analyse morphostructurale et à l’étude d’impact sur la variation du comportement hydrosystème du fossé d’effondrement de Foussana (Tunisie centrale) Sami KHEMIRI a , Kais ARIDHI a , Sabri ARIDHI a , Hafedh Hamza a , Fouad ZARGOUNI a a : Faculté des sciences de Tunis khemirisami geo@yahoo.fr ; aridhikais@gmail.com ; aridhisabri@yahoo.fr ; hafedh hamza@yahoo.fr ; fouadzargouni@yahoo.fr 1. Problématique : L'image satellite est devenue, depuis quelques années un document incontournable pour extraire de les informations géologiques, pour produire des cartes topographiques, lithologiques, structurales et des cartes d’occupation du sol, pour analyser l’aspect structural et morphologique d’un secteur déterminé. Aussi pour comprendre le fonctionnement du réseau hydrologique d’un secteur, telle que la délimitation des bassins versants et des sous bassins, la cartographie du réseau, l’identification des secteurs ayant une densité forte, la détermination des principaux zones d’alimentation des nappes souterraines. Fig.1 : Image TM Landsat de la région de Foussana avant traitement C’est dans ce contexte que se présente ce travail, qui consiste à utiliser la télédétection pour des analyses morphostructurales, l’étude de simulation (AHMAD BILAL et OSAMA AMMAR .2003) de comportement du bassin versant de Foussana, et de monter l’impact des structures géologiques (cassantes, ductiles, déformations, plis, graben…) sur la variation de son hydrosystème. 2. Données de base et méthodologie : Tout le long de ce travail on a eu recours à des images TM et ETM+ (Fig.1) de Landsat également, on a utilisé le modèle numérique de terrain de SRTM (Shuttle Radar Topography Mission) dont la dimension des pixels est de l’ordre de 90 (Fig.2) et de 30m. 145
Page 1 and 2: Variabilité spatio-temporelle de l
Page 3 and 4: couleur blanche fait référence au
Page 5 and 6: des terres, notamment entre Pya et
Page 7 and 8: Figure 2. Méthodologie de l’appr
Page 9 and 10: La détection de changements à par
Page 11 and 12: Cartographie et suivie de la variab
Page 13 and 14: Modélisation des échos de précip
Page 15: classifiée, appelées aussi « car
Page 19 and 20: Apport de la télédétection dans
Page 21 and 22: Modélisation du stress hydrique da
Page 23 and 24: Ce travail, se propose d’étudier
Page 25 and 26: arboré de l’arganeraie, on peut
Page 27 and 28: 2. Donnée utilisé et méthodologi
Page 29 and 30: Dynamique récente de la végétati
Page 31 and 32: Détection des changements dans les
Page 33: largeur impaire [DON 98]. Cette der

Variabilité spatio-temporelle de la chlorophylle en surface de la mer ...

Create successful ePaper yourself

Delete template?

Save as template?