Approche non supervisée par processus ponctuels marqués pour l'extraction d'objets à partir d'images aériennes et satellitaires

National audiencePreviously, marked point process models have been successfully applied to solve problems of feature network extraction from aerial and satellite high resolution photographs. The main advantage of these models is that they take into account object geometry. In particular, objects in the image are represented by a set of geometric shapes which are governed by two types of energy: a data energy term that links objects to the processed image, and a regularizing energy term which introduces some prior knowledge about the observed scene. Furthermore, some parameters reflecting the importance of these energies are involved in the definition of this model. Thus, to ensure automatic object extraction, an estimation method of these parameters, based on the Stochastic Expectation-Maximization algorithm was studied and showed promising results on a simple example of a marked point process where the considered objects are disks. We propose to extend this study to extract more general geometric shapes, such as ellipses and rectangles. Hence, we deal with several applications, namely flamingo extraction, tree crown extraction, detection of boats in a seaport, building footprint detection and refugee tent detection. The main originality of this work consists in developing new energy components that allow to model boat alignment and building interactions within an unsupervised framework.Les modèles de processus ponctuels marqués ont été précédemment appliqués avec succès pour résoudre des problèmes d'extraction de réseaux de formes à partir d'images aériennes et satellitaires haute résolution. L'avantage de ces modèles est qu'ils prennent en compte la géométrie des objets à extraire. En particulier, les objets de l'image sont représentés par un ensemble de formes géométriques dont la disposition est gouvernée par deux types d'énergies : une énergie d'attache aux données qui lie les objets à l'image traitée, et une énergie de régularisation qui permet d'introduire des connaissances a priori sur le réseau d'objets. Par ailleurs, des paramètres qui traduisent l'influence de ces énergies sont introduits dans la définition de ce modèle. Afin d'assurer une extraction automatique des objets, une méthode d'estimation des paramètres en question, fondée sur une version stochastique de l'algorithme Espérance-Maximisation, a été étudiée et a conduit à des résultats prometteurs sur un exemple simple de processus ponctuels d'objets circulaires. Nous proposons de prolonger cette étude afin d'extraire des formes géométriques plus générales, i.e. des formes elliptiques et rectangulaires. Nous abordons ainsi plusieurs applications ; à savoir l'extraction de flamants roses, de houppiers d'arbres, de bateaux dans un port marîtime, de la trace au sol du bâti ainsi que la détection de tentes de réfugiés. L'originalité majeure de ce travail réside dans la définition des composantes de l'énergie qui permettent de modéliser l'alignement des navires à quai, ainsi que les interactions qui existent entre les bâtis tout en restant dans un cadre automatique