Urban Detection From Hyperspectral Images Using Dimension-Reduction Model and Fusion of Multiple Segmentations Based on Stuctural and Textural Features

Ce mémoire de maîtrise présente une nouvelle approche non supervisée pour détecter et segmenter les régions urbaines dans les images hyperspectrales. La méthode proposée n ́ecessite trois étapes. Tout d’abord, afin de réduire le coût calculatoire de notre algorithme, une image couleur du contenu spectral est estimée. A cette fin, une étape de réduction de dimensionalité non-linéaire, basée sur deux critères complémentaires mais contradictoires de bonne visualisation; à savoir la précision et le contraste, est réalisée pour l’affichage couleur de chaque image hyperspectrale. Ensuite, pour discriminer les régions urbaines des régions non urbaines, la seconde étape consiste à extraire quelques caractéristiques discriminantes (et complémentaires) sur cette image hyperspectrale couleur. A cette fin, nous avons extrait une série de paramètres discriminants pour décrire les caractéristiques d’une zone urbaine, principalement composée d’objets manufacturés de formes simples g ́eométriques et régulières. Nous avons utilisé des caractéristiques texturales basées sur les niveaux de gris, la magnitude du gradient ou des paramètres issus de la matrice de co-occurrence combinés avec des caractéristiques structurelles basées sur l’orientation locale du gradient de l’image et la détection locale de segments de droites. Afin de réduire encore la complexité de calcul de notre approche et éviter le problème de la ”malédiction de la dimensionnalité” quand on décide de regrouper des données de dimensions élevées, nous avons décidé de classifier individuellement, dans la dernière étape, chaque caractéristique texturale ou structurelle avec une simple procédure de K-moyennes et ensuite de combiner ces segmentations grossières, obtenues à faible coût, avec un modèle efficace de fusion de cartes de segmentations. Les expérimentations données dans ce rapport montrent que cette stratégie est efficace visuellement et se compare favorablement aux autres méthodes de détection et segmentation de zones urbaines à partir d’images hyperspectrales.

Étude électrophysiologique de l’impact de la couleur dans le déploiement attentionnel

L’influence de la couleur dans les mécanismes perceptuels et attentionnels a été étudiée. Quatre couleurs (le rouge, le vert, le bleu et le jaune) ont été calibrées individuellement à travers la technique heterochromatic flicker photometry. Suivant cela, les participants ont déployé leur attention à une cible (un cercle de couleur avec une ligne orientée). Les données électrophysiologiques ont été enregistrées pendant que les sujets performaient la tâche de recherche visuelle, et les analyses ont été basées sur les potentiels évoqués (PÉs). Trois composantes des PÉs ont été examinées : la posterior contralateral positivity (Ppc); la N2pc, reflétant le déploiement de l’attention visuo-spatiale et la temporal and contralateral positivity (Ptc). Des conditions dans lesquelles la cible était bleu ou rouge, lorsque comparées à des conditions avec une cible jaune ou verte suscitaient une N2pc plus précoce. Une amplitude plus élevée est aussi observée pour les cibles rouges pour les composantes Ppc et Ptc, reflétant une sélectivité pré-attentionelle. Ces résultats suggèrent de la prudence dans l’interprétation de données comparant des cibles de différentes couleurs dans des tâches de PÉs, et ce même lorsque les couleurs sont équiluminantes.