Extraction et évaluation des routes endommagées à partir d’images satellitaires par des algorithmes d’apprentissage automatique

Résumé

Durant ces dernières années, le globe terrestre a été confronté à des péripéties et des aléas de catastrophes majeures de tout acabit. Ces catastrophes occasionnent des pertes colossales en vie humaine et en infrastructures. Pour prévenir ou faire face à ces dangers, la communauté internationale et les autorités gouvernementales se sont mobilisées. L’un des moyens les plus efficaces pour la communauté internationale et les gouvernements pour circonscrire le fléau sont les outils de la télédétection avec l’acquisition quasi instantanée des images et leur large couverture des zones sinistrées. Lorsque survient un tel fléau, la production par les photointerprètes de la cartographie de l’état des infrastructures opérationnelles et non opérationnelles qui donnent accès aux populations et aux hôpitaux de fortune est primordiale pour les équipes de secours. L’apport de ce travail sera d’assister les photointerprètes en automatisant leur tâche dans la chaîne de traitement des images. La chaîne de traitement consiste à détecter les infrastructures essentielles que sont les routes et d’en évaluer leur niveau de dommage. Dans un premier temps, pour les modules de reconnaissance de routes, nous proposons conjointement l’algorithme de l’angle spectral (AS) basé sur le gradient et l’analyse multirésolution (AMR). L’AS utilise l’information spectrale pour distinguer les routes des autres occupations du sol pendant que l’AMR utilise des filtres passe-bas linéaires (Gaussien) pour réduire le contenu des hautes fréquences (bruit) dont l’objectif est de simplifier l’information de départ pour un traitement efficace de l’image optique. Dans un second temps et dans un même ordre d’idée, nous appliquerons une combinaison d’algorithmes de Bresenham (fonction d’interpolation des pixels-route) et la multiéchelle en beamlets (méthode d’analyse multiéchelle) associé au filtre de Frost pour améliorer la détection des routes à partir des images radars à synthèse d’ouverture (RSO). Les images RSO présentent une apparence bruitée (chatoiement), ce qui est une résultante du bruit multiplicatif des ondes rétrodiffusées. Les filtres de Frost permettent une réduction considérable des effets de chatoiement. Dans un troisième temps, nous proposons d’améliorer la détection des dommages (blocages) sur les routes, en utilisant les local binary pattern (LBP) et ses variantes par les classificateurs séparateurs à vaste marge (SVM). Ces algorithmes ont été appliqués avec succès sur des données images optiques et radar. La validation de nos résultats a été appuyée par une analyse montrant les atouts et les déficiences de chacune des approches développées. Ce travail a fait l’objet de deux communications et d’un article de revue et d’une soumission à un journal (Annexe III).

Date	8 sept. 2026
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Michèle St-Jacques (Directeur(-trice))