Probabilistic characterization and synthesis of agricultural surface by structuring onjects using high images resolution
Caractérisation probabiliste et synthèse de surfaces agricoles par objets structurants à partir d'images haute résolution
Résumé
Our aim is to propose a probabilistic characterization and generation of agricultural surfaces by structuring objects (aggregates, clods and wholes) from high resolution images. We propose to describe agricultural surfaces by two levels of roughness: The first one corresponding to clods, aggregates and holes and, the second being the substrate on which are set down these objects. Having a segmentation algorithm by Hierarchy of Contours (HC) for objects identification, we have highlighted the influence of the gradient estimation method on that algorithm. We have also adapted a mathematical morphology approach - Watershed - for objects identification. To improve the boundaries of the detected objects, we developed an algorithm based on simulated annealing algorithm to move the clod boundaries. We show that semi-ellipsoid is the mathematical shape which model well objects. Having estimated the probability lows of the semi-ellipsoid parameters (orientation, major and minor axis, high), and studied their dependence, we developed a procedure to generate objects on a plane surface. We show that generated objects have the same statistics that identified objects on the high resolution images. We show that isotropy of the surface is related to orientation of the objects and that there exists a high correlation between substrate and objects placed on the plane.
Ce travail de thèse porte sur la caractérisation probabiliste et la synthèse de surfaces agricoles par objets structurants (agrégats, mottes et creux) à partir d'images de haute résolution. Nous proposons de caractériser les surfaces par deux niveaux de rugosité : le premier niveau correspondant aux mottes, aux agrégats et aux creux et le second niveau étant le substrat sur lequel sont posés ces objets. Disposant d'un algorithme de segmentation par Hiérarchie de Contour (HC) pour l'identification des objets, nous avons mis en évidence l'influence de la méthode d'estimation du gradient sur cet algorithme. Nous avons aussi adapté une approche de morphologie mathématique - la Ligne de Partage des Eaux - pour identifier les différents objets. La méthode de HC sous-estime les dimensions des contours. Pour améliorer ces contours, nous avons développé un algorithme de déplacement de contours basé sur le principe du recuit simulé. Nous montrons que le demi-ellipsoïde est une forme mathématique qui modélise très correctement les objets. Après avoir déterminé les lois de probabilité des paramètres des demi-ellipsoïdes (orientation, axes et hauteur) et étudié leurs dépendances, nous avons mis en place un procédé de génération d'objets posés sur un plan. Nous montrons que les objets générés ont les mêmes statistiques que les objets identifiés sur les images hautes résolution. Nous montrons que l'isotropie des surfaces est liée à l'orientation des objets et que le substrat est corrélé à la surface comportant des objets.
Loading...