Une approche basée objet combinée avec les classifieurs avancés (SVM, RF, Extra Trees) pour la détection des changements du bâti

Cet article expose le développement d’une méthodologie automatique pour la détection des changements du bâti en vue d'une mise à jour semi automatique des cartes urbaines. L'approche est basée sur la comparaison entre une carte existante et une image à très haute résolution spatiale (THRS) récente. Elle s'enchaine sur 4 étapes. D'abord l'image est segmentée pour produire des primitives. Ces dernières sont caractérisées par 4 catégories d'attributs. Des classifieurs avancés par apprentissage supervisé (CAAS) ont été utilisés dans l'étape de la classification. Le paramétrage optimal de ces classifieurs est obtenu automatiquement par validation croisée en se référant au meilleur taux d'erreur. La prédiction finale des objets est déduite par un combineur de multiples classifieurs (CMC) conçu à partir des 3 meilleurs CAAS. Enfin, une étape de détection des changements permet d'identifier les primitives qui représentent les changements du bâti. Les données utilisées concernent la ville de Rabat (Maroc). Une image QuickBird a été utilisée avec un plan existant à l'échelle 1:10,000. Indépendamment de la qualité de la forme des bâtiments détectés, la méthode offre des meilleurs taux en exhaustivité (91.7%) et en exactitude (81.5%).