Nouvelle méthode en cascade pour la classification hiérarchique multi-temporelle ou multi-capteur d'images satellitaires haute résolution

Résumé

Ce papier présente un modèle de classification multi-résolution, multi-date et éventuellement multi-capteur fondé sur une modélisation statistique explicite au travers d'un modéle hiérarchique de champs de Markov construit sur une structure quad-arbre. L'approche proposée consiste en un classifieur bayésien supervisé qui combine un modèle statistique conditionnel par classe intégrant des informations pixel par pixel à la même résolution et un champ de Markov hiérarchique fusionnant l'information spatio-temporelle et multi-résolutions, en se basant sur le critère des Modes Marginales a Posteriori (MPM en anglais), qui vise à affecter à chaque pixel l'étiquette optimale en maximisant récursivement la probabilité marginale a posteriori, étant donné l'ensemble des observations multi-temporelles ou multi-capteur. Un nouvel élément intéressant de l'approche proposée est l'utilisation en cascade de plusieurs quad-arbres, chacun étant assocé à une nouvelle image disponible, en vue de caractériser les corrélations associées à des images distinctes.