Segmentation d'images par une approche basée sur des caractéristiques texturales ,temporelles et spectrale : Application aux images MSG.
| dc.contributor.author | Sehad, Mounir | |
| dc.date.accessioned | 2017-05-21T10:32:47Z | |
| dc.date.available | 2017-05-21T10:32:47Z | |
| dc.date.issued | 2015 | |
| dc.description | 98 f. : ill. ; 30 cm. (+ CD-Rom) | en |
| dc.description.abstract | Le but de notre travail est l élaboration d’une méthode d’identification par satellite des régions précipitantes et de classification des nuages précipitant en deux classes principales : nuages convectifs et nuages stratiformes. Notre approche est basée sur des caractéristiques spectrales, texturales et temporelles des nuages précipitant. Les paramètres utilisés dans notre méthode correspondent à la structure microphysique et optique des nuages : épaisseur optique des nuages, rayon effectif des particules dans les nuages ainsi que la phase des nuages (glace ou liquide). Le paramètre de texture est calculé à partir de la méthode des vecteurs de rang, et le paramètre temporel correspond au taux de variation de la température du sommet des nuages entre deux images consécutives. Par ailleurs, la classification des nuages précipitant en convectifs et stratiformes a été réalisée avec deux réseaux de neurones multicouches MLP-D pour le jour et MLP-N pour la nuit. L’apprentissage de ces deux réseaux a été effectué en utilisant une base de données constituée d’images satellite MSG et Radar prises dans la région de Sétif au nord de l’Algérie durant la période de Novembre 2006 à Mars 2007. L’évaluation de notre approche a été réalisée avec des images prises durant la période de Novembre 2010 à Mars 2011. Les résultats obtenus par notre méthode ont été comparés avec les données radar et avec les résultats de la méthode de référence ECST (Enhanced Convective Stratiform Technique) qui est basée uniquement sur l’infrarouge. Les résultats montrent une bonne identification et classification des nuages précipitant pendant le jour et la nuit. En effet, pour l’identification, les probabilités de détection et de fausse détection sont : [(PODY=82% , POFDY=1% ) pour le jour et (PODY=78%,POFDY=2%) pour la nuit], et pour la classification des nuages convectifs :[(PODC=82%, POFDC=16%)pour le jour et (PODC=79% , POFDC=18%) pour la nuit | en |
| dc.identifier.citation | Option : Télédétection | en |
| dc.identifier.other | DOC.ELN.51-15 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/1178 | |
| dc.language.iso | fr | en |
| dc.publisher | Université Mouloud Mammeri | en |
| dc.subject | Radar | en |
| dc.subject | MSG | en |
| dc.subject | Nuages précipitant | en |
| dc.subject | Réseaux de neurones | en |
| dc.subject | Classification | en |
| dc.subject | Identification | en |
| dc.title | Segmentation d'images par une approche basée sur des caractéristiques texturales ,temporelles et spectrale : Application aux images MSG. | en |
| dc.type | Thesis | en |