Université de Rennes 1 Représentations parcimonieuses et apprentissage de dictionnaires pour la compression et la classification d'images satellites Sparse representations and dictionary learning for the compression and the classification of satellite images Traitement d'imagesCompression d'imagesClassification automatiqueImagerie satellitaireReprésentation parcimonieuseApprentissage automatique Image processingImage compressionAutomatic classificationSatellite imagesSparse representationMachine learning Représentation parcimonieuse Thèses et écrits académiques Compression d'images Thèses et écrits académiques Classification automatique Thèses et écrits académiques Imagerie satellitaire Thèses et écrits académiques Cette thèse propose d'explorer des méthodes de représentations parcimonieuses et d'apprentissage de dictionnaires pour compresser et classifier des images satellites. Les représentations parcimonieuses consistent à approximer un signal par une combinaison linéaire de quelques colonnes, dites atomes, d'un dictionnaire, et ainsi à le représenter par seulement quelques coefficients non nuls contenus dans un vecteur parcimonieux. Afin d'améliorer la qualité des représentations et d'en augmenter la parcimonie, il est intéressant d'apprendre le dictionnaire. La première partie de la thèse présente un état de l'art consacré aux représentations parcimonieuses et aux méthodes d'apprentissage de dictionnaires. Diverses applications de ces méthodes y sont détaillées. Des standards de compression d'images sont également présentés. La deuxième partie traite de l'apprentissage de dictionnaires structurés sur plusieurs niveaux, d'une structure en arbre à une structure adaptative, et de leur application au cas de la compression d'images satellites en les intégrant dans un schéma de codage adapté. Enfin, la troisième partie est consacrée à l'utilisation des dictionnaires structurés appris pour la classification d'images satellites. Une méthode pour estimer la Fonction de Transfert de Modulation (FTM) de l'instrument dont provient une image est étudiée. Puis un algorithme de classification supervisée, utilisant des dictionnaires structurés rendus discriminants entre les classes à l'apprentissage, est présenté dans le cadre de la reconnaissance de scènes au sein d'une image. This thesis explores sparse representation and dictionary learning methods to compress and classify satellite images. Sparse representations consist in approximating a signal by a linear combination of a few columns, known as atoms, from a dictionary, and thus representing it by only a few non-zero coefficients contained in a sparse vector. In order to improve the quality of the representations and to increase their sparsity, it is interesting to learn the dictionary. The first part of the thesis presents a state of the art about sparse representations and dictionary learning methods. Several applications of these methods are explored. Some image compression standards are also presented. The second part deals with the learning of dictionaries structured in several levels, from a tree structure to an adaptive structure, and their application to the compression of satellite images, by integrating them in an adapted coding scheme. Finally, the third part is about the use of learned structured dictionaries for the classification of satellite images. A method to estimate the Modulation Transfer Function (MTF) of the instrument used to capture an image is studied. A supervised classification algorithm, using structured dictionaries made discriminant between classes during the learning, is then presented in the scope of scene recognition in a picture. Electronic Thesis or DissertationText fr application/pdf1 : 87765 Kohttps://ecm.univ-rennes1.fr/nuxeo/site/esupversions/3c0f9d9e-280e-40bb-8993-dd595b2017c8 Aghaei Mazaheri Jérémy 1988-09-04 FR 188607420 jeremy.aghaei@gmail.com 2015REN1S028 http://www.theses.fr/2015REN1S028 2015-07-20 Traitement du signal et télécommunications Université de Rennes 1thesis.degree.grantor_1 02778715X Doctorat non ouiLabitClaudeintervenant_1033876223GuillemotChristineintervenant_2061597074 Mathématiques, informatique, signal, électronique et télécommunicationsecoleDoctorale_1 139007164 IRISApartenaireRecherche_1 026386909 Université européenne de BretagnepartenaireRecherche_2 139075119 ddc:620 LabitClaudeGuillemotChristineUniversité de Rennes 1Sciences et technologie, médecine, pharmacie, odontologie, droit, économie, gestion, philosophieMathématiques, informatique, signal, électronique et télécommunicationsÉcole doctorale Mathématiques, informatique, signal, électronique et télécommunications (Rennes)IRISAUniversité européenne de Bretagne ASCII PDF 89871651