Apport de l'information mutuelle pour la sélection d'attributs et la classification des images hyperspectrales

Abstract

La télédétection par imagerie hyperspectrale (IHS) permet la production des cartes thématiques. Une IHS contient plus d'une centaine de bandes prises dans des fréquences juxtaposées pour la même région appelée « vérité de terrain ». Le traitement de ces images est une procédure complexe et difficile à cause du nombre important de bandes. La réduction de dimensionnalité et alors obligatoire. Ils existent plusieurs méthodes de réduction de dimensionnalité et de classification de ces images basées sur, des approches statistiques, les algorithmes génétiques, les méthodes de gradient, etc. L’objectif dans cette thèse est de proposer des méthodes originales plus performantes pour sélectionner les bandes les plus pertinentes pour la classification. Plusieurs contributions sont présentées, elles utilisent l'information mutuelle (IM). Elles consistent à retenir les bandes minimisant la probabilité d'erreur de classification, avec un seuil contrôlant la redondance. L'étude est conduite sur l'IHS AVIRIS 92AV3C et à l’aide du classifieur SVM. Les résultats obtenus sont comparativement, meilleurs que ceux obtenus par les méthodes classiques.