THÈSE
THÈSE
En vue de l’obtention du
DOCTORAT DE L’UNIVERSITÉ DE
TOULOUSE
Délivré par : l’Université Toulouse 3 Paul Sabatier (UT3 Paul Sabatier)
Présentée et soutenue le 06/11/2015 par :
Pierre LASSALLE
Étude du passage à l’échelle des algorithmes
de segmentation et de classification en télédétection
pour le traitement de volumes massifs de données.
JURY
Jordi INGLADA Chercheur Directeur de thèse
Jean-Philippe GASTELLU Professeur Président du Jury
Grégoire MERCIER Professeur Rapporteur
Sébastien LEFEVRE Professeur Rapporteur
Julien MICHEL Ingénieur Examinateur
Pierre GANÇARSKI Professeur Examinateur
École doctorale et spécialité :
SDU2E : Océan, Atmosphère et Surfaces Continentales
Unité de Recherche :
Centre d’Études Spatiales de la BIOsphère (UMR 5126)
Directeur de Thèse :
Jordi INGLADA
Rapporteurs :
Grégoire MERCIER et Sébastien LEFÈVRE
2
Sommaire
Sommaire ii
Liste des figures vii
Liste des tables ix
Introduction aux algorithmes échelonnables 8
1 Algorithmes échelonnables 9
1.1 Définition et notations 10
1.1.1 Définition d’un algorithme ........................ 10
1.1.2 Passage à l’échelle ............................. 11
1.1.3 Algorithmes et programmation informatique .............. 11
1.2 Modélisation d’un ordinateur 12
1.2.1 Description générale d’un ordinateur .................. 12
1.2.2 Différents types de mémoire ....................... 13
1.2.3 Modélisation d’un ordinateur dans le cadre de nos travaux ...... 16
1.3 Complexité algorithmique 16
1.3.1 Notation de Landau ............................ 18
1.4 Structures de données 20
1.5 Techniques algorithmiques pour le passage à l’échelle 26
1.5.1 Algorithme de flots de données ...................... 27
1.5.2 Diviser pour mieux régner ........................ 27
1.5.3 Réduction de la dimension des données ................. 29
1.6 Stabilité 31
Segmentation 32
2 Segmentation par fusion de régions 33
2.1 Introduction 33
ii
2.2 Segmentation basée sur les régions 35
2.3 Différents critères locaux d’homogénéité 36
2.4 Différentes heuristiques pour la fusion des segments 39
2.5 Motivations pour l’unification des méthodes par fusion de régions 41
3 Algorithme GRM 43
3.1 Introduction 43
3.2 Structures de données 44
3.2.1 Représentation basée sur un graphe ................... 44
3.2.2 Représentation d’un segment ....................... 45
3.2.3 Représentation d’un lien d’adjacence .................. 47
3.2.4 Représentation du contour d’un segment ................ 48
3.3 Description de l’algorithme GRM et analyse de la complexité 55
3.3.1 Initialisation des segments dans l’image ................. 55
3.3.2 Calcul des coûts de fusion ........................ 56
3.3.3 Mise à jour du contour .......................... 57
3.3.4 Mise à jour du voisinage ......................... 57
3.3.5 Suppression des segments fusionnés ................... 57
3.3.6 Algorithme GRM ............................. 58
4 Stabilisation de l’algorithme GRM 61
4.1 Introduction 61
4.2 Impact du tuilage 63
4.3 État de l’art 66
4.4 GRM : un algorithme piloté par les données 70
4.5 Stabilité des algorithmes de segmentation 71
4.6 Zone d’influence d’un segment 73
4.7 Calcul de la marge de stabilité 75
5 Algorithme échelonnable proposé : LSGRM 79
5.1 Aperçu général de la LSGRM 79
5.2 Suppression des segments instables 82
5.3 Stockage et chargement des graphes 83
5.3.1 Stockage des graphes dans la mémoire externe ............. 83
5.3.2 Chargement des graphes depuis la mémoire externe .......... 84
5.4 Ajout d’une marge de stabilité à un graphe 84
iii
1 / 194 100%
La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans linterface ou les textes ? Ou savez-vous comment améliorer linterface utilisateur de StudyLib ? Nhésitez pas à envoyer vos suggestions. Cest très important pour nous !