Développement des algorithmes pour l’automatisation de la classification des données utilisant les réseaux de neurones probabilistes (PNN). Application à l’analyse, la catégorisation et la cartographie des images de télédétection.

The main topic of this thesis is modeling and classification for analyzing and processing digital data. Our objective is the realization of a set of algorithms to automate data classification using probabilistic neural networks (PNN). The considered data are remote sensing images.We propose a novel procedure for automatic classification based on PNN. We used unsupervised methods to search for classes in the learning phase; we built a function to validate classes inspired from fuzzy clustering techniques and we adapted our procedure to be applied on multidimensional data such as satellite images. Before applying this approach toremote sensing images, we conducted a series of tests on various types of synthetic and real data. These tests have produced very convincing results in comparison to usual unsupervised methods.We applied our algorithm in order to build land cover maps from satellite images. So, we have to analyze high spatial resolution images representing the study area for identifying all existing vegetation patterns. The classification is applied on sequence of NDVI time series data derived from satellite images. The aim is to test all of the developed algorithms on realcases to highlight their performance. These tests have demonstrated once again that the proposed approaches are entirely capable to produce successful classification. In semi-arid regions such as the region of Marrakech Tensift El Haouz, mapping land cover contributes extremely in evapotranspiration flow estimation used for water management.Le thème principal de cette thèse est la modélisation et la classification pour l’analyse et le traitement de l’information contenue dans les données numériques. Notre contribution est la réalisation d’un ensemble d’algorithmes pour l’automatisation de la classification des données en utilisant les réseaux de neurones probabilistes (PNN). Les données considérées sont les images de télédétection. Cette thèse s’adresse non seulement aux numériciens et spécialistes du traitement des images, mais aussi aux chercheurs et praticiens dans plusieurs domaines tels que la télédétection qui utilisent la classification des données en général et l’analyse de l’information pour la modélisation en particulier. Nous proposons une nouvelle procédure de classification automatique fondée sur les PNN. Nous avons utilisé des méthodes non supervisées pour la recherche des classes à la phase de l’apprentissage. Nous avons construit une fonction pour la validité des classes en s’inspirant des techniques de classification automatique floue. Nous avons aussi adapté notre procédure pour l’application sur des données multidimensionnelles telles que les images satellitaires. Avant d’appliquer cette approche sur des images de télédétection, nous avons mené une série de tests sur plusieurs types de données synthétiques et réelles. Ces tests ont abouti à des résultats très convaincants en comparaison avec les méthodes non superviséesusuelles, ce qui a conduit à valider la performance de nos algorithmes. Dans la partie application à la télédétection, l’objectif est d’élaborer des cartes d’occupation du sol à partir des images satellitaires. Nous avons analysé les images à haute résolution spatiale représentant la région étudiée pour identifier tous les profils de végétation existants. La classification est menée en se basant sur les images de l’indice de végétation NDVI extraites des images satellitaires SPOT. L’objet à classifier est une série temporelle de sept scènes NDVI. Le but est de tester l’ensemble des algorithmes développés sur des cas réels pour mettre en évidence leur performance. Ces tests ont démontré encore une fois de plus que les approches proposées sont tout à fait aptes à produire une classificationperformante.Nous avons classifié et analysé les images satellitaires d’une région semi-aride de Marrakech Tensift El Haouz. Le résultat obtenu est une cartographie précise de l’occupation du sol. Ce résultat contribuera d’une façon importante dans le dressage des cartes du flux d’évapotranspiration pour établir un bilan hydrique de la région