Contribution à la fusion des données satellitaires par les approches intelligentes

Abstract

Les méthodes du pansharpening sont généralement regroupées en deux classes principales: les méthodes spectrales et les méthodes spatiales. Pour la première classe, l'image multispectrale subit une transformation spectrale, puis l'un des composants résultants est totalement remplacé par l'image panchromatique, ce qui entraîne une distorsion de couleur considérable par rapport à la seconde classe. Dans la littérature, ce problème est traité en intégrant la transformation en ondelettes aux méthodes spectrales afin de ne transférer que les détails spatiaux de l'image panchromatique. En outre, la quantité d'informations spatiales transférées au cours de la fusion est généralement définie par le rapport de résolution entre les images multispectrales et panchromatiques, ce qui n'est toutefois pas nécessairement la quantité optimale fournissant les meilleures images. Dans cette thèse, nous proposons d'intégrer l'approche itérative avec les méthodes classiques telles que PCA, IHS et HPF pour transférer continuellement les informations spatiales de l'image panchromatique à l'image multispectrale jusqu'à l'obtention de la meilleure image fusionnée possible. L'indice de distorsion spatiale DS de l'algorithme, qualité sans référence QNR (QNR : Qualitywith No Reference) est utilisé comme critère d'arrêt. Les expériences menées sur les images provenant de quatre capteurs, à savoir Worldview‒2, Ikonos, GeoEye‒1 et Pléiades, montrent que l'approche suggérée présente les meilleurs résultats visuels et numériques comparativement aux méthodes classiques.