Attributs de texture extraits d'images ...
Document type :
Thèse
Title :
Attributs de texture extraits d'images multispectrales acquises en conditions d'éclairage non contrôlées. Application à l'agriculture de précision
English title :
Texture features extracted from multispectral images acquired underuncontrolled illumination conditionsApplication to precision farming
Author(s) :
Amziane, Anis [Auteur]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Thesis director(s) :
Ludovic Macaire
Olivier Losson
Benjamin Mathon
Olivier Losson
Benjamin Mathon
Defence date :
2022-10-18
Jury president :
David Rousseau
Christelle Gée
Gilles Roussel
Christine Fernandez-Maloigne
Aurélien Duménil
Christelle Gée
Gilles Roussel
Christine Fernandez-Maloigne
Aurélien Duménil
Jury member(s) :
David Rousseau
Christelle Gée
Gilles Roussel
Christine Fernandez-Maloigne
Aurélien Duménil
Christelle Gée
Gilles Roussel
Christine Fernandez-Maloigne
Aurélien Duménil
Accredited body :
Université de Lille
Doctoral school :
ED n°631 - Mathématiques, sciences du numérique et de leurs interactions (MADIS)
Keyword(s) :
Image multi-spectrale
English keyword(s) :
Multi-spectral image
HAL domain(s) :
Informatique [cs]
French abstract :
La pulvérisation de précision vise à lutter contre les adventices des cultures tout en ciblant exclusivement les plantes indésirables pour réduire les quantités utilisées d’herbicides. Parmi les technologies d’imagerie ...
Show more >La pulvérisation de précision vise à lutter contre les adventices des cultures tout en ciblant exclusivement les plantes indésirables pour réduire les quantités utilisées d’herbicides. Parmi les technologies d’imagerie disponibles, les caméras multispectrales (multishot) échantillonnent la radiance de la scène selon plusieurs bandes spectrales étroites dans les domaines du visible et/ou du proche infrarouge et fournissent des images multispectrales de radiance composées de plusieurs canaux spectraux. L’objectif principal de ce travail est de développer un système de re- connaissance automatique des cultures et des adventices en plein champ, basé sur l’imagerie multispectrale. Dans ce manuscrit, nous décrivons la formation d’images multispectrales de radiance sous l’hypothèse de surface lambertienne, et fournissons une formalisation de la caméra multispectrale à balayage linéaire utilisée dans cette étude. Nous pro- posons ensuite un modèle original de formation d’images multispectrales qui prend en compte la variation de l’éclairage pendant leur acquisition. À partir de ce modèle, nous proposons une méthode pour estimer la réflectance des espèces en présence, qui en est une signature spectrale invariante à l’éclairage. La qualité de la réflectance estimée par notre méthode est évaluée par rapport aux méthodes de l’état de l’art, et nous montrons sa contribution à la reconnaissance supervisée des cultures et des adventices. Comme les bandes spectrales associées aux canaux acquis peuvent être redondantes ou contenir des informations spectrales fortement corrélées, nous sélectionnons les meilleures bandes spectrales pour l’identification des cultures et adventices. Nous les utilisons ensuite pour spécifier un modèle de caméra mono-capteur (de type instantané, ou snapshot) adapté à la reconnaissance des cultures et adventices en plein champ. Enfin, nous proposons une approche basée sur un réseau de neurones convolutifs pour l’extraction d’attributs spatio-spectraux à partir d’images multispectrales à coût calculatoire réduit. Des expériences approfondies montrent la contribution de notre approche à la reconnaissance des cultures et adventices en extérieur.Show less >
Show more >La pulvérisation de précision vise à lutter contre les adventices des cultures tout en ciblant exclusivement les plantes indésirables pour réduire les quantités utilisées d’herbicides. Parmi les technologies d’imagerie disponibles, les caméras multispectrales (multishot) échantillonnent la radiance de la scène selon plusieurs bandes spectrales étroites dans les domaines du visible et/ou du proche infrarouge et fournissent des images multispectrales de radiance composées de plusieurs canaux spectraux. L’objectif principal de ce travail est de développer un système de re- connaissance automatique des cultures et des adventices en plein champ, basé sur l’imagerie multispectrale. Dans ce manuscrit, nous décrivons la formation d’images multispectrales de radiance sous l’hypothèse de surface lambertienne, et fournissons une formalisation de la caméra multispectrale à balayage linéaire utilisée dans cette étude. Nous pro- posons ensuite un modèle original de formation d’images multispectrales qui prend en compte la variation de l’éclairage pendant leur acquisition. À partir de ce modèle, nous proposons une méthode pour estimer la réflectance des espèces en présence, qui en est une signature spectrale invariante à l’éclairage. La qualité de la réflectance estimée par notre méthode est évaluée par rapport aux méthodes de l’état de l’art, et nous montrons sa contribution à la reconnaissance supervisée des cultures et des adventices. Comme les bandes spectrales associées aux canaux acquis peuvent être redondantes ou contenir des informations spectrales fortement corrélées, nous sélectionnons les meilleures bandes spectrales pour l’identification des cultures et adventices. Nous les utilisons ensuite pour spécifier un modèle de caméra mono-capteur (de type instantané, ou snapshot) adapté à la reconnaissance des cultures et adventices en plein champ. Enfin, nous proposons une approche basée sur un réseau de neurones convolutifs pour l’extraction d’attributs spatio-spectraux à partir d’images multispectrales à coût calculatoire réduit. Des expériences approfondies montrent la contribution de notre approche à la reconnaissance des cultures et adventices en extérieur.Show less >
English abstract : [en]
PRECISION spraying aims to fight weeds in crop fields while reducing herbi- cide use by exclusive weed targeting. Among available imaging technologies, multispectral (multishot) cameras sample the scene radiance according ...
Show more >PRECISION spraying aims to fight weeds in crop fields while reducing herbi- cide use by exclusive weed targeting. Among available imaging technologies, multispectral (multishot) cameras sample the scene radiance according to narrow spectral bands in the visible and/or near infrared domains and provide multispec- tral radiance images with many spectral channels. The main objective of this work is to develop an automatic recognition system of crop and weed plants in field conditions based on multispectral imaging. In this manuscript, we describe the formation of multispectral radiance images un- der the Lambertian surface assumption, and provide a formalization of the linescan multispectral camera used in this study. We then propose an original multispectral image formation model that takes illumination variation during image acquisition into account. From our image formation model, we propose a method to estimate the reflectance as an illumination-invariant spectral signature. The quality of reflectance estimated by our method is evaluated against state-of-the-art methods, and its contribution to supervised crop/weed recognition is demonstrated. As spectral bands associated to the acquired channels may be redundant or contain highly correlated spectral information, we select the best spectral bands for crop/weed identification. We then use them to specify a single-sensor (snapshot) camera model suited for outdoor crop/weed recognition. Finally, we propose an original approach based on a convolutional neural network for spatio–spectral feature extraction from multispec- tral images at reduced computation costs. Extensive experiments show the contribution of our approach to outdoor crop/weed recognition.Show less >
Show more >PRECISION spraying aims to fight weeds in crop fields while reducing herbi- cide use by exclusive weed targeting. Among available imaging technologies, multispectral (multishot) cameras sample the scene radiance according to narrow spectral bands in the visible and/or near infrared domains and provide multispec- tral radiance images with many spectral channels. The main objective of this work is to develop an automatic recognition system of crop and weed plants in field conditions based on multispectral imaging. In this manuscript, we describe the formation of multispectral radiance images un- der the Lambertian surface assumption, and provide a formalization of the linescan multispectral camera used in this study. We then propose an original multispectral image formation model that takes illumination variation during image acquisition into account. From our image formation model, we propose a method to estimate the reflectance as an illumination-invariant spectral signature. The quality of reflectance estimated by our method is evaluated against state-of-the-art methods, and its contribution to supervised crop/weed recognition is demonstrated. As spectral bands associated to the acquired channels may be redundant or contain highly correlated spectral information, we select the best spectral bands for crop/weed identification. We then use them to specify a single-sensor (snapshot) camera model suited for outdoor crop/weed recognition. Finally, we propose an original approach based on a convolutional neural network for spatio–spectral feature extraction from multispec- tral images at reduced computation costs. Extensive experiments show the contribution of our approach to outdoor crop/weed recognition.Show less >
Language :
Anglais
Collections :
Source :
Files
- document
- Open access
- Access the document
- 108595_AMZIANE_2022_archivage.pdf
- Open access
- Access the document