FR2978276A1

FR2978276A1 - METHOD FOR MODELING BUILDINGS FROM A GEOREFERENCED IMAGE

Info

Publication number: FR2978276A1
Application number: FR1102288A
Authority: FR
Inventors: Edouard Barthelet; Christian Louis; Sebastien Reynaud; Leonard Denise
Original assignee: Thales SA
Current assignee: Thales SA
Priority date: 2011-07-22
Filing date: 2011-07-22
Publication date: 2013-01-25
Anticipated expiration: 2031-07-22
Also published as: FR2978276B1

Abstract

La présente invention concerne un procédé de modélisation d'objets réels représentés dans une image de la surface terrestre, en particulier de bâtiments, à partir d'une image référencée géographiquement, l'image étant produite par un capteur aérien ou spatial associé à un modèle physique de prise de vue, le procédé étant comprenant au moins les étapes suivantes : ▪ choisir un modèle paramétrique de la surface externe dudit objet réel (101); ▪ pour plusieurs jeux de paramètres dudit modèle : O projeter (103) le modèle paramétré dans l'image en appliquant le modèle physique de prise de vue; O évaluer l'adéquation (104) entre le modèle projeté et les caractéristiques radiométriques de l'image ; ▪ déterminer les paramètres du modèle pour lesquels l'adéquation est la meilleure (106) pour modéliser ledit objet avec ces paramètres. L'invention s'applique notamment à la télédétection, la géographie numérique, à la constitution de bases de données 3D urbaines ou leur mise à jour.The present invention relates to a method for modeling real objects represented in an image of the terrestrial surface, in particular of buildings, from a geographically referenced image, the image being produced by an aerial or spatial sensor associated with a model shooting method, the method being comprising at least the following steps: ▪ choosing a parametric model of the external surface of said real object (101); ▪ for several sets of parameters of said model: O project (103) the model parameterized in the image by applying the physical model of shooting; O evaluating the fit (104) between the projected model and the radiometric characteristics of the image; ▪ determine the model parameters for which the fit is the best (106) to model the object with these parameters. The invention applies in particular to remote sensing, digital geography, the constitution of urban 3D databases or their updating.

Description

PROCEDE DE MODELISATION DE BATIMENTS A PARTIR D'UNE IMAGE GEOREFERENCEE METHOD FOR MODELING BUILDINGS FROM A GEOREFERENCED IMAGE

La présente invention concerne un procédé de modélisation d'objets réels, en particulier de bâtiments, à partir d'une image référencée géographiquement. Elle s'applique notamment à la télédétection, la géographie numérique, à la constitution de bases de données 3D urbaines ou leur mise à jour. The present invention relates to a method for modeling real objects, in particular buildings, from a geographically referenced image. It applies in particular to remote sensing, digital geography, the constitution of 3D urban databases or their updating.

L'élaboration d'une base de données 3D pour modéliser une zone urbaine implique généralement une phase d'extraction manuelle ou automatique du bâti à partir d'une ou de plusieurs images aériennes ou spatiales de la zone à modéliser. Les images utilisées pour cette modélisation peuvent être issues de divers capteurs d'observation : un appareil photographique classique, un capteur d'image embarqué sur un aéronef ou un satellite d'observation. En outre, le domaine spectral de prise de vue peut varier : domaine de la lumière visible, infrarouge, multispectral ou hyperspectral, radar, lidar, par exemple. De plus, les images sont référencées géographiquement, autrement dit géoréférencées, c'est-à-dire qu'elles sont associées à des métadonnées comprenant une fonction de correspondance entre la surface terrestre observée, espace désigné par l'expression « espace terrain » et les pixels de l'image, espace désigné par l'expression « espace image ». Cette fonction, notée fe1,...,on(X,Y,Z), est une traduction des caractéristiques physiques du capteur utilisé pour la prise de vue ; elle fait ainsi correspondre aux coordonnées géographiques de tout point de la zone observée, un pixel de l'image. En d'autres termes, c'est un modèle paramétrique dont les paramètres e1,...,An comprennent au moins les caractéristiques physiques du capteur (taille de matrices réceptrices, distance focale si pertinente, ...) et la position et l'orientation du capteur au moment de la prise de vue : on appelle alors cette fonction un modèle physique de la prise de vue. Ces types de modèle sont par exemple : le modèle conique représentant la prise de vue classique d'un appareil photo à plan focal : il correspond à une matrice de récepteurs (CCD pour Charge-Coupled Device, ou CMOS pour Complementary metal oxide semi-conductor) ; ^ le modèle « pushbroom » où les récepteurs sont organisés le long d'une barrette unidimensionnelle ; ^ le modèle « Whiskbroom » où le récepteur est réduit à une cellule dont le mouvement rapide permet de former une image ; ^ le modèle « SAR » (Synthetic Aperture Radar) issu d'un post-traitement mathématique par le processeur SAR des réflexions électromagnétiques d'un signal radar incident dans une bande de fréquence donnée. Dans d'autres cas, cette fonction peut se résumer à une fonction mathématique très générale ayant la plupart du temps des propriétés d'approximateur universel dont les paramètres n'ont pas de signification physique particulière. On parle alors de modèle de remplacement. Des exemples répandus de ces types de modèle sont : ^ Les modèles polynôme, ^ Les modèles RPCs qui sont des quotients de polynômes (Rational Polynom Coefficients) ^ Les modèles « grille » où la fonction est linéaire par morceaux par interpolation des valeurs aux noeuds d'une grille. On peut séparer les méthodes d'extraction des bâtiments en deux grandes catégories : la technique de stéréoscopie, dans laquelle plusieurs images géoréférencées issues de points de vue différents sont utilisées conjointement pour extraire le relief, et la technique de monoscopie, qui s'appuie, d'une part, sur une seule image affectée d'un angle de parallaxe permettant de reconstituer la hauteur des objets représentés, et d'autre part sur la donnée d'altitude de l'objet considéré, généralement fournie par un modèle M de la surface terrestre qui contient, pour tout point P du terrain, la coordonnée altimétrique Z en fonction des coordonnées planimétriques X et Y. II s'exprime de la manière suivante : Z = M(X,Y) , où Z est la coordonnée altimétrique d'un point P du terrain ; et X et Y sont les coordonnées planimétriques de ce point P. Le modèle M de la surface terrestre est par exemple un modèle numérique de surface (MNS) ou un modèle numérique d'élévation (MNE), ces deux modèles donnant des informations de relief relatives au sursol. En variante, il s'agit d'un modèle numérique de terrain (MNT) qui donne des informations de relief relatives au sol nu. The development of a 3D database to model an urban area usually involves a phase of manual or automatic extraction of the frame from one or more aerial or spatial images of the area to be modeled. The images used for this modeling can come from various observation sensors: a conventional camera, an image sensor on board an aircraft or an observation satellite. In addition, the range of spectral shooting may vary: visible light, infrared, multispectral or hyperspectral, radar, lidar, for example. In addition, the images are referenced geographically, in other words georeferenced, that is to say that they are associated with metadata comprising a function of correspondence between the observed terrestrial surface, space designated by the expression "ground space" and the pixels of the image, a space designated by the expression "image space". This function, denoted fe1, ..., on (X, Y, Z), is a translation of the physical characteristics of the sensor used for the shooting; it thus corresponds to the geographical coordinates of any point of the observed zone, a pixel of the image. In other words, it is a parametric model whose parameters e1, ..., An include at least the physical characteristics of the sensor (size of receiving matrices, focal length if relevant, ...) and the position and the orientation of the sensor at the time of shooting: this function is called a physical model of the shooting. These types of models are for example: the conical model representing the conventional shooting of a focal plane camera: it corresponds to a matrix of receivers (CCD for Charge-Coupled Device, or CMOS for Complementary Metal oxide semi-conductor ); ^ the "pushbroom" model where receivers are organized along a one-dimensional array; ^ the "Whiskbroom" model where the receiver is reduced to a cell whose fast motion makes it possible to form an image; the "SAR" model (Synthetic Aperture Radar) derived from a mathematical post-processing by the SAR processor of the electromagnetic reflections of an incident radar signal in a given frequency band. In other cases, this function can be summed up in a very general mathematical function that usually has universal approximator properties whose parameters have no particular physical meaning. This is called a replacement model. Popular examples of these types of models are: ^ The polynomial models, ^ The RPCs that are polynomial coefficients (Rational Polynom Coefficients) ^ The "grid" models where the function is piecewise linear by interpolating values to the nodes of 'a grid. Building extraction methods can be separated into two main categories: the stereoscopic technique, in which several georeferenced images from different points of view are used together to extract the relief, and the monoscopy technique, which is based on on the one hand, on a single image affected by a parallax angle making it possible to reconstitute the height of the objects represented, and on the other hand on the altitude datum of the considered object, generally provided by a model M of the terrestrial surface which contains, for any point P of the terrain, the vertical coordinate Z as a function of the X and Y planimetric coordinates. It is expressed as follows: Z = M (X, Y), where Z is the altimetric coordinate d a point P of the field; and X and Y are the planimetric coordinates of this point P. The model M of the terrestrial surface is for example a digital surface model (MNS) or a digital elevation model (DEM), these two models giving relief information on the territory. As a variant, it is a digital terrain model (DTM) which gives relief information relating to the bare ground.

L'extraction en monoscopie peut être réalisée manuellement, automatiquement ou selon une combinaison d'actions manuelles et de procédés automatisés. Lorsque l'extraction est manuelle, des moyens d'affichage, par exemple un écran, sont utilisés pour permettre à un opérateur de saisir directement sur ces moyens d'affichage les bâtiments à l'aide d'une souris ou de moyens similaires. En règle générale, cette saisie permet d'obtenir des modèles de bonne qualité sur des images optiques, mais elle s'avère fastidieuse et coûteuse. De plus, certains types d'images comme les images de type SAR (acronyme anglo-saxon pour « Synthetic Aperture Radar» ou radar à synthèse d'ouverture) sont très difficiles à interpréter pour un opérateur humain, ce qui complique la saisie des bâtiments, nécessite des opérateurs formés spécifiquement à ce type d'image, et augmente en conséquence les coûts de modélisation. Certaines techniques automatiques ont été proposées pour accélérer l'extraction. On peut citer notamment la méthode décrite dans le brevet américain publié sous le numéro US7733342. Cette méthode exploite les ombres portées des bâtiments pour en déduire leur hauteur. Toutefois, cette méthode comporte plusieurs limites. D'une part, elle permet de ne déterminer que la hauteur d'un bâtiment, et ne résout donc pas le problème de la détermination de son emprise au sol. D'autre part, cette méthode est tributaire des conditions de prise de vue et notamment de la présence d'un éclairement suffisant pour créer des ombres. De plus, elle ne fonctionne qu'avec des images optiques, et ne permet donc pas d'extraction à partir des images de type SAR. Monoscopic extraction can be performed manually, automatically or in combination with manual actions and automated processes. When the extraction is manual, display means, for example a screen, are used to allow an operator to enter directly on these display means buildings using a mouse or similar means. In general, this entry makes it possible to obtain good quality models on optical images, but it proves time-consuming and expensive. In addition, certain types of images such as SAR (Synthetic Aperture Radar) images are very difficult to interpret for a human operator, which complicates the seizure of buildings. , requires operators trained specifically for this type of image, and increases the modeling costs accordingly. Some automatic techniques have been proposed to speed up the extraction. The method described in US Pat. No. US 7,334,342 can be cited in particular. This method exploits shadows of buildings to deduce their height. However, this method has several limitations. On the one hand, it allows to determine only the height of a building, and therefore does not solve the problem of determining its footprint. On the other hand, this method is dependent on shooting conditions and especially the presence of sufficient illumination to create shadows. In addition, it only works with optical images, and therefore does not allow extraction from SAR images.

D'autres techniques sont basées sur l'extraction préalable de primitives élémentaires telles que des segments. Une fois qu'un ensemble de segments a été constitué, des algorithmes de reconstitution des objets sont exécutés pour associer les segments entre eux et ainsi former les bâtiments. Cependant, ces techniques sont sujettes à de nombreuses erreurs, notamment à cause des imperfections dans les détections de contours. Elles nécessitent un paramétrage complexe impliquant de nombreux seuils à fixer préalablement à l'exécution de l'algorithme. En outre, un jeu de paramètres aboutissant à des résultats satisfaisant pour une image donnée peut s'avérer totalement inadapté à d'autres images ; ce problème est encore accru pour les images de type SAR. Par conséquent, ces algorithmes à base de segmentation manquent de robustesse. Un but de l'invention est de proposer une méthode robuste et au moins partiellement automatisée d'extraction monoscopique d'un ou de plusieurs objets présents sur la surface terrestre et compris dans une image issue d'une prise de vue par un capteur aérien ou spatial. A cet effet, l'invention a pour objet un procédé de modélisation d'un objet réel représenté dans une image de la surface terrestre, l'image étant référencée géographiquement et produite par un capteur aérien ou spatial associé à un modèle physique de prise de vue, le procédé étant caractérisé en ce qu'il comprend au moins les étapes suivantes : ^ choisir un modèle paramétrique de la surface externe dudit objet réel; ^ pour plusieurs jeux de paramètres dudit modèle : o projeter le modèle paramétré dans l'image en appliquant le 15 modèle physique de prise de vue; o évaluer l'adéquation entre le modèle projeté et les caractéristiques radiométriques de l'image ; ^ déterminer les paramètres du modèle pour lesquels l'adéquation est la meilleure, ledit objet étant modélisé avec ces paramètres. 20 Contrairement aux méthodes classiques qui tentent de reconstituer des objets, par exemple des bâtiments, à partir de l'extraction de primitives de bas niveau telles que des segments par exemple, le procédé selon l'invention procède selon un mode hypothèse-réfutation en partant de primitives de haut niveau, c'est-à-dire de modèles représentant des objets 25 réels tels que des bâtiments. Le procédé selon l'invention permet ainsi de limiter les erreurs souvent rencontrées dans les méthodes classiques, sujettes au bruit, à la nature de l'image, aux caractéristiques radiométriques de l'image elle-même, et au paramétrage de la méthode. Le procédé selon l'invention ne requiert pas la définition d'une multitude de seuils, 30 particulièrement difficile à ajuster, et dont les valeurs optimales dépendent généralement de l'image à traiter. Selon une mise en oeuvre du procédé de modélisation selon l'invention, tant que les paramètres correspondant à la meilleure adéquation entre le modèle projeté et l'image n'ont pas été déterminés, on modifie les 35 paramètres, on projette le modèle paramétré dans l'espace image, et on réévalue l'adéquation entre le modèle projeté et les caractéristiques radiométriques de l'image. Le premier jeu de paramètres testé peut être tiré aléatoirement. Selon une mise en oeuvre du procédé de modélisation selon 5 l'invention, chacun des paramètres est tiré aléatoirement selon une loi uniforme dans son domaine de définition. Selon une mise en oeuvre du procédé de modélisation selon l'invention, lors de l'étape d'évaluation de l'adéquation entre le modèle projeté et l'image, on évalue l'homogénéité radiométrique des zones 10 correspondant aux faces du modèle projeté dans l'image. Cette étape permet de tenir compte du fait qu'en règle générale, une face de bâtiment vue d'un capteur aérien ou spatial est relativement homogène et se différentie radiométriquement des autres faces de ce bâtiment. Selon une mise en oeuvre du procédé de modélisation selon 15 l'invention, lors de l'étape d'évaluation de l'adéquation entre le modèle projeté et l'image, on évalue l'adéquation des contours du modèle projeté dans l'image avec les transitions radiométriques de l'image. Cette étape permet d'exploiter le caractère relativement précis de la représentation des contours de bâtiments dans l'image. 20 Selon une mise en oeuvre du procédé de modélisation selon l'invention, dans un premier temps, on modifie les paramètres initiaux jusqu'à obtenir une adéquation optimale entre l'homogénéité radiométrique des zones correspondant aux faces du modèle projeté dans l'image, et dans un deuxième temps, on modifie les paramètres conduisant à ladite adéquation 25 optimale d'homogénéité radiométrique jusqu'à obtenir une adéquation optimale des contours du modèle projeté dans l'image avec les transitions radiométriques de l'image. Cette méthode en deux temps permet de s'approcher approximativement du jeu de paramètre optimal en utilisant le critère d'homogénéité radiométrique, moins précis, mais plus lisse, puis de 30 déterminer avec précision les paramètres optimaux en utilisant le critère fondé sur les contours, plus irrégulier, mais plus précis. Selon une mise en oeuvre du procédé de modélisation selon l'invention, les critères d'évaluation de l'adéquation entre le modèle projeté et l'image sont choisis en fonction du type de capteur utilisé pour produire 35 l'image. L'adaptation des critères d'appariement aux différents types d'image, permet d'appliquer le procédé indifféremment sur tous les types d'images pour lesquels des critères ont été préalablement définis. Selon une mise en oeuvre du procédé de modélisation selon l'invention, l'objet réel à modéliser est un bâtiment, les paramètres de modélisation comprenant au moins un paramètre parmi les suivants : la longueur du bâtiment, la largeur du bâtiment, la hauteur du bâtiment, la longitude du centre de gravité de l'emprise au sol du bâtiment, la latitude du centre de gravité de l'emprise au sol du bâtiment, l'angle azimut d'orientation du bâtiment par rapport au nord géographique. Chacun de ces paramètres est associé à un domaine de définition qui lui est propre. Selon une mise en oeuvre du procédé de modélisation selon l'invention, l'altitude du modèle de l'objet réel à projeter est, avant l'étape de projection, considérée comme étant au niveau d'un modèle numérique du terrain correspondant à la zone géographique observée dans l'image. Cette contrainte permet de prédéterminer la composante d'altitude. Selon une mise en oeuvre du procédé de modélisation selon l'invention dans laquelle l'image est issue d'un capteur optique, l'instant auquel l'image a été prise étant connu, ^ on modélise la forme de l'ombre produite par le modèle paramétré de 20 l'objet réel, ^ on projette l'ombre de ce modèle dans l'image en utilisant des données d'éphéméride correspondant à l'instant auquel l'image a été prise, ^ on évalue l'adéquation de l'ombre avec les caractéristiques 25 radiométriques de l'image. L'invention a également pour objet un procédé de modélisation de plusieurs objets réels représentés dans une image référencée géographiquement de la surface terrestre, l'image étant produite par un capteur aérien ou spatial, dans lequel on exécute l'étape de choix du modèle 30 paramétrique telle que décrite plus haut, puis dans lequel on définit, pour un sous-ensemble de paramètres, plusieurs domaines de définition distincts, avant d'exécuter les étapes telles que décrites plus haut de projection, d'évaluation de l'adéquation entre le modèle projeté et l'image, et de détermination des paramètres optimaux sur chacun des domaines de 35 définition définis précédemment. Other techniques are based on the prior extraction of elementary primitives such as segments. Once a set of segments has been formed, object reconstruction algorithms are executed to associate the segments together and thus form the buildings. However, these techniques are prone to many errors, especially because of imperfections in contour detections. They require complex parameterization involving many thresholds to be set before the execution of the algorithm. In addition, a set of parameters resulting in satisfactory results for a given image may be totally unsuitable for other images; this problem is further increased for SAR images. As a result, these segmentation-based algorithms lack robustness. An object of the invention is to propose a robust and at least partially automated method of monoscopic extraction of one or more objects present on the terrestrial surface and included in an image taken from an image taken by an airborne sensor or spatial. To this end, the subject of the invention is a method for modeling a real object represented in an image of the terrestrial surface, the image being referenced geographically and produced by an airborne or spatial sensor associated with a physical model of The method is characterized in that it comprises at least the following steps: choosing a parametric model of the outer surface of said real object; For several sets of parameters of said model: project the model parameterized in the image by applying the physical model of shooting; o assess the fit between the projected model and the radiometric characteristics of the image; Determine the model parameters for which the fit is the best, the object being modeled with these parameters. Unlike conventional methods which attempt to reconstruct objects, for example buildings, from the extraction of low-level primitives such as segments for example, the method according to the invention proceeds in a hypothesis-refutation mode starting with high level primitives, i.e., models representing real objects such as buildings. The method according to the invention thus makes it possible to limit the errors often encountered in conventional methods, subject to noise, to the nature of the image, to the radiometric characteristics of the image itself, and to the parameterization of the method. The method according to the invention does not require the definition of a multitude of thresholds, particularly difficult to adjust, and whose optimum values generally depend on the image to be processed. According to one implementation of the modeling method according to the invention, as long as the parameters corresponding to the best match between the projected model and the image have not been determined, the parameters are modified, the parameterized model is projected in the image space, and the adequacy between the projected model and the radiometric characteristics of the image is re-evaluated. The first set of parameters tested can be drawn randomly. According to one implementation of the modeling method according to the invention, each of the parameters is randomly drawn according to a uniform law in its definition domain. According to an implementation of the modeling method according to the invention, during the step of evaluating the adequacy between the projected model and the image, the radiometric homogeneity of the zones corresponding to the faces of the projected model is evaluated. in the picture. This step makes it possible to take into account that, as a general rule, a building face viewed from an air or space sensor is relatively homogeneous and radiometrically different from the other faces of this building. According to an implementation of the modeling method according to the invention, during the step of evaluating the adequacy between the projected model and the image, the adequacy of the contours of the projected model in the image is evaluated. with the radiometric transitions of the image. This step makes it possible to exploit the relatively precise character of the representation of the contours of buildings in the image. According to an implementation of the modeling method according to the invention, in a first step, the initial parameters are modified until an optimal match is obtained between the radiometric homogeneity of the zones corresponding to the faces of the projected model in the image, and in a second step, the parameters leading to said optimal matching of radiometric homogeneity are modified to obtain an optimal match of the contours of the projected model in the image with the radiometric transitions of the image. This two-step method approximates the optimal parameter set using the less accurate but smoother radiometric homogeneity criterion and then accurately determines the optimal parameters using the contour-based criterion. more irregular, but more precise. According to an implementation of the modeling method according to the invention, the criteria for evaluating the adequacy between the projected model and the image are chosen according to the type of sensor used to produce the image. The adaptation of the matching criteria to the different image types makes it possible to apply the method indifferently to all types of images for which criteria have been previously defined. According to an implementation of the modeling method according to the invention, the real object to be modeled is a building, the modeling parameters comprising at least one parameter among the following: the length of the building, the width of the building, the height of the building, building, the longitude of the center of gravity of the building footprint, the latitude of the center of gravity of the building footprint, the azimuth angle of orientation of the building relative to the geographic north. Each of these parameters is associated with a definition domain of its own. According to an implementation of the modeling method according to the invention, the altitude of the model of the real object to be projected is, before the projection step, considered to be at the level of a numerical model of the terrain corresponding to the geographical area observed in the image. This constraint makes it possible to predetermine the altitude component. According to an implementation of the modeling method according to the invention in which the image is derived from an optical sensor, the instant at which the image has been taken is known, the shape of the shadow produced by the parameterized model of the real object, the shadow of this model is projected into the image using ephemeris data corresponding to the instant at which the image was taken, the adequacy of the shadow with the radiometric characteristics of the image. The subject of the invention is also a method of modeling several real objects represented in a geographically referenced image of the terrestrial surface, the image being produced by an airborne or spaceborne sensor, in which the step of choosing the model 30 is performed. parametric as described above, then in which is defined, for a subset of parameters, several distinct definition domains, before performing the steps as described above projection, evaluation of the adequacy between the projected model and image, and determination of optimal parameters on each of the definition domains defined above.

Selon une mise en oeuvre du procédé de modélisation selon l'invention, le procédé étant mis en oeuvre par un logiciel exécuté sur un système de calcul pourvu de moyens d'affichage et d'interaction avec un utilisateur, dans lequel, après l'étape de choix du modèle paramétrique telle que décrite plus haut, un utilisateur définit en utilisant les moyens d'interaction, un domaine de définition pour un sous-ensemble de paramètres, avant d'exécuter les étapes de projection, d'évaluation de l'adéquation entre le modèle projeté et l'image, et de détermination des paramètres optimaux sur le domaine de définition défini précédemment par l'utilisateur. L'invention a également pour objet un procédé de détection de changements entre deux images d'une même zone géographique prise à deux instants différents, le procédé comprenant une première étape d'exécution du procédé de modélisation indépendamment sur chacune des deux images, et une deuxième étape de comparaison des modèles obtenus à l'issue de la première étape. L'invention a également pour objet un système de modélisation d'un objet réel représenté dans une image de la surface terrestre, l'image étant référencée géographiquement et produite par un capteur aérien ou spatial, caractérisé en ce que le système comprend au moins une machine de calcul configurée pour exécuter le procédé de modélisation tel que décrit plus haut. According to an implementation of the modeling method according to the invention, the method being implemented by software running on a computing system provided with display and interaction means with a user, in which, after the step of choice of the parametric model as described above, a user defines, using the interaction means, a definition domain for a subset of parameters, before executing the projection, evaluation of the suitability steps between the projected model and the image, and determining optimal parameters on the definition domain defined previously by the user. The subject of the invention is also a method for detecting changes between two images of a same geographical area taken at two different times, the method comprising a first step of executing the modeling method independently on each of the two images, and a second step of comparison of the models obtained at the end of the first step. The subject of the invention is also a system for modeling a real object represented in an image of the earth's surface, the image being referenced geographically and produced by an airborne or spaceborne sensor, characterized in that the system comprises at least one computing machine configured to execute the modeling method as described above.

D'autres caractéristiques apparaîtront à la lecture de la description 25 détaillée donnée à titre d'exemple et non limitative qui suit faite en regard de dessins annexés qui représentent : la figure 1, un schéma illustrant les étapes d'une première mise en oeuvre du procédé de modélisation selon l'invention ; la figure 2, un schéma illustrant les étapes d'une deuxième mise en 30 oeuvre du procédé de modélisation selon l'invention ; la figure 3, un schéma illustrant les étapes d'une troisième mise en oeuvre du procédé de modélisation selon l'invention ; la figure 4, un schéma illustrant les étapes d'un procédé de détection de changement selon l'invention ; la figure 5a, un graphique montrant l'évolution de la valeur des critères d'adéquation en fonction d'un paramètre du modèle de bâtiment, pour une image optique ; Other characteristics will become apparent on reading the detailed description given by way of nonlimiting example which follows, with reference to appended drawings which represent: FIG. 1, a diagram illustrating the steps of a first implementation of the modeling method according to the invention; FIG. 2 is a diagram illustrating the steps of a second implementation of the modeling method according to the invention; FIG. 3, a diagram illustrating the steps of a third implementation of the modeling method according to the invention; FIG. 4 is a diagram illustrating the steps of a change detection method according to the invention; FIG. 5a, a graph showing the evolution of the value of the adequacy criteria as a function of a parameter of the building model, for an optical image;

la figure 5b, un graphique montrant l'évolution de la valeur des critères d'adéquation en fonction d'un paramètre du modèle de bâtiment, pour une image SAR. FIG. 5b, a graph showing the evolution of the value of the adequacy criteria as a function of a parameter of the building model, for a SAR image.

Les exemples présentés par la suite sont appliqués à la modélisation de bâtiments, mais le procédé selon l'invention peut être appliqué à la modélisation de tout objet réel dont les dimensions sont suffisamment importantes pour apparaître sur l'image. The examples presented hereinafter are applied to the modeling of buildings, but the method according to the invention can be applied to the modeling of any real object whose dimensions are large enough to appear on the image.

La figure 1 illustre les étapes d'une première mise en oeuvre du procédé de modélisation selon l'invention. Le procédé est exécuté sur une image géoréférencée issue d'un capteur embarqué sur un aéronef ou un satellite. Le modèle de prise de vue de l'image géoréférencée peut être représenté par une fonction paramétrée, notée foi,...,on(X,Y,Z), faisant correspondre une coordonnée 3D de l'espace terrain avec une coordonnée 2D sur l'image: FIG. 1 illustrates the steps of a first implementation of the modeling method according to the invention. The method is performed on a georeferenced image from a sensor embedded on an aircraft or a satellite. The shooting model of the georeferenced image can be represented by a parameterized function, denoted by faith, ..., on (X, Y, Z), matching a 3D coordinate of the terrain space with a 2D coordinate on the image:

(Xterrain, ~errainZterrain) = (colonneimage, ligneimage) où les paramètres 01, ..., 0n dépendent des caractéristiques physiques du 20 capteur. (Xterrain, ~ errainZterrain) = (image column, lineimage) where the parameters 01, ..., 0n depend on the physical characteristics of the sensor.

Le procédé ne peut être exécuté que si l'image n'est pas orthorectifiée, autrement dit, si la fonction f vérifie que Vf (0' '0°) n'est pas az The process can only be executed if the image is not orthorectified, that is, if the function f verifies that Vf (0 '' 0 °) is not az

identiquement nulle. identically zero.

Le procédé peut être exécuté sur une machine de calcul tel qu'un ordinateur. The method may be executed on a computing machine such as a computer.

25 Selon une première étape 101, en prenant l'hypothèse que l'on recherche un bâtiment dont la forme approximative est connue, un modèle paramétrique de bâtiment est choisi. Ce modèle correspond à un ensemble de N paramètres permettant de définir la surface externe du bâtiment recherché. Cet ensemble de paramètres - dont les valeurs sont à According to a first step 101, assuming that we are looking for a building whose approximate shape is known, a parametric model of building is chosen. This model corresponds to a set of N parameters making it possible to define the external surface of the sought-after building. This set of parameters - whose values are at

30 déterminer par le procédé selon l'invention - définit ainsi un ensemble de bâtiments « virtuels » dont on cherche à déterminer s'ils sont réellement présents dans l'image. Determine by the method according to the invention - thus defines a set of "virtual" buildings which one seeks to determine if they are actually present in the image.

Par exemple la surface externe d'un bâtiment de forme parallélépipédique peut être défini par les paramètres suivants : la latitude du centre de gravité de l'emprise au sol du bâtiment, la longitude du centre de gravité de l'emprise au sol du bâtiment, l'angle d'orientation du bâtiment par rapport au nord géographique, la largeur du bâtiment, la longueur du bâtiment, la hauteur du bâtiment. Un autre jeu de paramètres sera utilisé pour définir les bâtiments pourvus d'un toit à deux pans par exemple. Dans l'exemple, l'altitude du bâtiment est connue à l'avance car il est considéré que l'on dispose d'un modèle numérique de terrain (MNT) sur la zone de modélisation. Le bâtiment est ainsi réputé construit à l'altitude correspondant au niveau du MNT aux latitude et longitude considérées. Le procédé selon l'invention permet de déterminer la valeur de chacun de ces paramètres. Selon une deuxième étape 102, les paramètres sont fixés à certaines valeurs. Autrement dit, une hypothèse de bâtiment est choisie. For example, the external surface of a parallelepiped building may be defined by the following parameters: the latitude of the center of gravity of the building footprint, the longitude of the center of gravity of the building footprint, the orientation angle of the building relative to the geographic north, the width of the building, the length of the building, the height of the building. Another set of parameters will be used to define buildings with a two-sided roof, for example. In the example, the elevation of the building is known in advance because it is considered that there is a digital terrain model (DTM) on the modeling area. The building is thus deemed to be built at the altitude corresponding to the level of the DTM at the latitude and longitude considered. The method according to the invention makes it possible to determine the value of each of these parameters. In a second step 102, the parameters are set to certain values. In other words, a building hypothesis is chosen.

Chaque paramètre peut prendre une valeur dans une plage prédéfinie (domaine de définition). Par exemple, la latitude et la longitude sont restreintes à la zone géographique dans laquelle le bâtiment est recherché. Ainsi, lors de la deuxième étape 102, la valeur de chaque paramètre est choisie dans son domaine de définition, lequel est préalablement établi, de préférence en fonction de connaissances a priori du terrain. Dans les cas où la valeur d'un paramètre est déjà connue, le domaine de définition correspondant à ce paramètre est restreint à cette seule valeur. Cela permet de réduire l'espace des possibilités et ainsi de converger plus rapidement vers les hypothèses justes. Each parameter can take a value in a predefined range (definition domain). For example, latitude and longitude are restricted to the geographic area in which the building is searched. Thus, during the second step 102, the value of each parameter is chosen in its definition domain, which is previously established, preferably based on a priori knowledge of the field. In cases where the value of a parameter is already known, the definition domain corresponding to this parameter is restricted to this single value. This makes it possible to reduce the space of the possibilities and thus to converge more quickly towards the correct hypotheses.

Dans le cas particulier où tous les paramètres du modèle de bâtiment sont fixés, l'exécution du procédé revient à effectuer un test pour déterminer si un bâtiment dont la forme est connue à l'avance est bien présent dans l'image à l'endroit prévu. Avantageusement, une méthode stochastique est appliquée : des candidats possibles sont choisis au hasard parmi tous les bâtiments admissibles en choisissant les paramètres selon une loi uniforme dans leur domaine de définition. Aussi, lors de la deuxième étape 102, un tirage aléatoire est effectué selon des lois uniformes des paramètres du modèle de bâtiment recherché. Comme expliqué plus loin lors de la quatrième étape 104, ce tirage aléatoire fait partie d'une heuristique visant à restreindre l'espace des hypothèses de bâtiment à tester. Ensuite, lors des exécutions ultérieures de la deuxième étape 102, ces paramètres sont localement optimisés en fonction de critères 5 d'adéquation de l'hypothèse à l'image (cf. quatrième étape 104). In the particular case where all the parameters of the building model are fixed, the execution of the process amounts to carrying out a test to determine if a building whose shape is known in advance is present in the image at the place planned. Advantageously, a stochastic method is applied: possible candidates are randomly selected from among all the eligible buildings by choosing the parameters according to a uniform law in their field of definition. Also, in the second step 102, a random draw is performed according to uniform laws of the parameters of the desired building model. As explained further in the fourth step 104, this random draw is part of a heuristic aimed at restricting the space of the hypotheses of building to be tested. Then, during the subsequent executions of the second step 102, these parameters are locally optimized according to criteria for matching the hypothesis to the image (see fourth step 104).

Dans une troisième étape 103, l'hypothèse de bâtiment choisie lors de la deuxième étape 102 est projetée dans l'espace image 111 en appliquant la fonction de transformation foi, ..,en propre au capteur de prise de 10 vue 112. Autrement dit, les coordonnées image de l'hypothèse de bâtiment sont calculées. Cette opération permet de « dessiner » dans l'image le bâtiment comme s'il avait été imagé par le capteur s'il avait été effectivement présent sur le terrain au moment de la prise de l'image. La projection du modèle 3D est effectuée de telle sorte que les faces cachées du bâtiment 15 sont éliminées, les différentes régions correspondant aux faces du bâtiment et à son ombre sont étiquetées (par exemple les zones correspondant au toit, aux murs sont différenciées), et les « bords » de l'image sont identifiés (par exemple l'écho double est différencié de l'écho simple). In a third step 103, the building hypothesis chosen during the second step 102 is projected in the image space 111 by applying the transformation function cI,..., Proper to the image sensor 112. In other words, , the image coordinates of the building hypothesis are calculated. This operation makes it possible to "draw" in the image the building as if it had been imaged by the sensor if it had actually been present on the ground at the time of taking the image. The projection of the 3D model is performed in such a way that the hidden faces of the building 15 are eliminated, the different regions corresponding to the faces of the building and its shadow are labeled (for example the zones corresponding to the roof, the walls are differentiated), and the "edges" of the image are identified (for example double echo is differentiated from simple echo).

20 Dans une quatrième étape 104, l'adéquation de l'hypothèse de bâtiment projetée dans l'espace image avec les caractéristiques radiométriques de l'image est évaluée. Dans la mise en ceuvre décrite, deux critères d'évaluation de cette adéquation sont pris en compte. Le premier critère quantifie l'homogénéité 25 radiométrique des différentes régions constitutives de l'hypothèse projetée dans l'espace image. Le second critère quantifie l'adéquation des contours de cette hypothèse projetée avec les contours présents dans l'image. Un parcours exhaustif de l'ensemble des hypothèses possibles serait très coûteux en temps de calcul. Afin d'éviter un parcours trop coûteux 30 de l'espace des modèles 3D, une heuristique a été mise en ceuvre pour obtenir des temps de calcul proches du temps réel opérateur. Cette heuristique vise à d'abord optimiser les critères fondés sur l'homogénéité des régions, puis à affiner la recherche avec les critères concernant les contours. In a fourth step 104, the fit of the projected building hypothesis in the image space with the radiometric characteristics of the image is evaluated. In the implementation described, two criteria for evaluating this adequacy are taken into account. The first criterion quantifies the radiometric homogeneity of the different constituent regions of the projected hypothesis in the image space. The second criterion quantifies the adequacy of the contours of this projected hypothesis with the contours present in the image. A comprehensive review of all possible hypotheses would be very expensive in terms of calculation time. In order to avoid an overly expensive journey of the space of the 3D models, a heuristic has been implemented to obtain computing times close to the real time operator. This heuristic aims to first optimize the criteria based on the homogeneity of the regions, then to refine the search with the criteria concerning the contours.

Notons PI (b) la signature du bâtiment en projetant le bâtiment b dans l'image I. La signature peut être décrite de façon équivalente par un Note PI (b) the signature of the building by projecting the building b in the image I. The signature can be described in an equivalent way by a

ensemble de régions ou comme un ensemble de segments : PI(b)={R;,i=1...N }=~S., ,j=1...M } Le premier critère, noté Crégion, quantifie l'homogénéité spatiale des régions de la signature en calculant à partir du modèle de bruit caractéristique du capteur la log-vraisemblance généralisée des valeurs set of regions or as a set of segments: PI (b) = {R;, i = 1 ... N} = ~ S.,, j = 1 ... M} The first criterion, denoted Cregion, quantifies the spatial homogeneity of the regions of the signature by calculating from the sensor noise model the generalized log-likelihood of the values

radiométriques des pixels de ces régions. La log-vraisemblance généralisée des valeurs radiométriques des pixels à l'intérieur d'une région R; peut s'écrire comme suit sous l'hypothèse d'indépendance statistique : 1, =1(R, S2 ) = E ln p(l(k S2t ) radiometric pixels of these regions. The generalized log-likelihood of radiometric values of pixels within a region R; can be written as follows under the assumption of statistical independence: 1, = 1 (R, S2) = E ln p (l (k S2t)

keR; où I(k) est la radiométrie du pixel k de l'image 1 et p représente la distribution statistique du bruit de l'image, loi entièrement décrite par le vecteur de paramètres ai dont l'estimation est effectuée par maximisation de la Ker; where I (k) is the radiometry of the pixel k of the image 1 and p represents the statistical distribution of the noise of the image, the law entirely described by the vector of parameters ai whose estimation is carried out by maximizing the

vraisemblance. Le critère d'homogénéité des régions Crégion est alors calculé comme la somme des log-vraisemblances généralisées de chacune des régions de la signature : N Crée, (PI (b)) = lo + l; i=1 où lo représente la log-vraisemblance généralisée d'une région Ro qui 20 entoure le bâtiment. La région Ro peut être définie comme la boite englobante (pavé de l'image englobant) de l'ensemble des projections des bâtiments du domaine de définition considéré a priori. Ro est fixée. Le second critère, noté Csegment, considéré dans l'optimisation locale fondée sur l'approche segment qui consiste en le calcul du ratio r(Si) 25 ou différence d(Si) (dépendant de la nature additive ou multiplicative du bruit des images) des valeurs médianes de la radiométrie à l'intérieur de voisinages situés de chaque côté des segments Si de la signature. Ce critère Csegment est défini comme la conjonction des scores calculés pour chaque segment, par l'intermédiaire d'une moyenne géométrique comme 30 Suit : segment I M_ I M C (P (b)) = ~L'r(S' ) dans le cas d'un bruit multiplicatif, Csegment (PI ((b» M_ I M d(S. ')dans le cas d'un bruit additif. likelihood. The Crégion region homogeneity criterion is then calculated as the sum of the generalized log-likelihoods of each of the signature regions: N Creates, (PI (b)) = lo + 1; i = 1 where lo represents the generalized log-likelihood of a Ro region surrounding the building. The region Ro can be defined as the bounding box (block of the enclosing image) of all the projections of the buildings of the definition domain considered a priori. Ro is fixed. The second criterion, noted Csegment, considered in the local optimization based on the segment approach which consists of the calculation of the ratio r (Si) 25 or d (Si) difference (depending on the additive or multiplicative nature of the noise of the images) median radiometric values within neighborhoods on each side of the signature Si segments. This criterion Csegment is defined as the conjunction of the scores calculated for each segment, via a geometric mean such as: Segment I M_ IMC (P (b)) = ~ The r (S ') in the case of a multiplicative noise, Csegment (PI ((b "M_ IM d (S. ') in the case of an additive noise.

Avantageusement, le procédé de modélisation selon l'invention adapte cette quatrième étape 104 en fonction du type d'image traitée afin que le procédé puisse fonctionner sur tous les types d'image. Aussi, dans l'exemple, le bruit additif gaussien est utilisé dans les images optiques et le modèle gamma est utilisé dans le cas du SAR. Une illustration des variations des critères Crégion et Csegment est présentée en figure 5a (image optique) et 5b (image SAR), dans le cas d'un bâtiment donné, le seul paramètre hauteur du bâtiment étant variable et tous les autres paramètres étant fixés. Advantageously, the modeling method according to the invention adapts this fourth step 104 according to the type of image processed so that the method can operate on all types of image. Also, in the example, the Gaussian additive noise is used in the optical images and the gamma model is used in the SAR case. An illustration of the variations of the Crégion and Csegment criteria is presented in figure 5a (optical image) and 5b (SAR image), in the case of a given building, the only parameter height of the building being variable and all the other parameters being fixed.

Le premier critère Crégion fondé sur l'homogénéité des régions est beaucoup plus lisse comme l'indiquent les variations présentées sur la figure ci-dessus (courbes en traits pleins), mais possède des bassins d'attraction plus larges que les bassins du deuxième critère Csegment fondé sur les segments (courbes en pointillées). The first Crégion criterion based on the homogeneity of the regions is much smoother as indicated by the variations presented in the figure above (solid curves), but has larger catch basins than the basins of the second criterion. Segment based segmentation (dashed lines).

Dans une cinquième étape 105, un test est exécuté pour déterminer si une autre hypothèse de bâtiment doit être testée, autrement dit, si un autre jeu de paramètres doit être appliqué au modèle de bâtiment, conformément à la deuxième étape 102. Dans l'exemple, si les critères d'adéquation utilisés lors de la quatrième étape 104 ont convergé vers des valeurs optimales, alors la sixième étape 106, décrite plus loin, est exécutée. Dans le cas contraire, un nouveau cycle comprenant la deuxième étape 102, troisième étape 103 et quatrième étape 104 est exécuté. Dans une mise en oeuvre où toutes les hypothèses seraient 25 testées de manière exhaustive, le résultat du test 105 serait positif tant que les N-uplets n'auraient pas encore été testés. In a fifth step 105, a test is performed to determine if another building hypothesis is to be tested, that is, if another set of parameters is to be applied to the building model, in accordance with the second step 102. In the example if the adequacy criteria used in the fourth step 104 have converged to optimal values, then the sixth step 106, described below, is executed. In the opposite case, a new cycle comprising the second step 102, third step 103 and fourth step 104 is executed. In an implementation where all the hypotheses would be tested exhaustively, the result of the test 105 would be positive as long as the N-tuples had not yet been tested.

Dans une sixième étape 106, le procédé effectue une sélection de la ou des hypothèses de bâtiments considérées comme correctes. En 30 d'autres termes, si certains modèles de bâtiments projetés étaient en adéquation avec l'image selon les critères évalués lors de la quatrième étape 104, alors ces modèles sont considérés comme modélisant des bâtiments réellement présents sur l'image. Selon une mise en ceuvre du procédé selon l'invention, seule une 35 occurrence du modèle paramétré de bâtiment est recherchée dans l'image. In a sixth step 106, the method makes a selection of the hypothesis (s) of buildings considered to be correct. In other words, if certain projected building models were in adequacy with the image according to the criteria evaluated in the fourth step 104, then these models are considered as modeling buildings actually present in the image. According to one implementation of the method according to the invention, only one occurrence of the parameterized building model is sought in the image.

Dans ce cas, un seul bâtiment est extrait de l'image ; il s'agit du bâtiment correspondant à l'hypothèse dont l'adéquation avec la radiométrie de l'image est la meilleure. Selon une autre mise en oeuvre du procédé selon l'invention, des seuils d'adéquation minimaux sont choisis pour chacun des critères d'adéquation et toutes les hypothèses correspondant à des maxima de ces critères qui dépassent les seuils sont considérées comme des bâtiments réels. Si aucun jeu de paramètres ne permet d'obtenir un niveau d'adéquation supérieur aux seuils, alors il est considéré que le bâtiment recherché n'est pas dans l'image. Plusieurs bâtiments peuvent ainsi être trouvés dans l'image à partir d'un seul modèle paramétrique. Par exemple, s'il est choisi de rechercher une maison dont l'emprise au sol est rectangulaire et qui comprend un toit à deux pans et que l'image comprend un lotissement comportant plusieurs pavillons de dimensions et d'orientations différentes, mais comprenant tous une emprise rectangulaire et un toit à deux pans, alors le procédé selon l'invention modélisera chacun des pavillons du lotissement. En résumé, le procédé de modélisation de la figure 1 exécute les étapes suivantes : ^ choisir un modèle paramétrique 3D de bâtiment (première étape 101); ^ tirer aléatoirement selon des lois uniformes les paramètres du modèle 3D (deuxième étape 102) ; ^ projeter le bâtiment candidat dans l'image 111 à l'aide du modèle de prise de vue 112 pour former la signature du bâtiment (troisième étape 25 103) ^ optimisation à partir du critère région à partir de ces paramètres initiaux (tirés au hasard à partir d'une loi uniforme), puis ^ optimisation à partir du critère fondé sur les segments à partir de la première optimisation (quatrième étape 104, cinquième étape 105 et 30 deuxième étape 102) ; ^ déterminer les paramètres conduisant à la meilleure adéquation (sixième étape 106). Ce procédé de génération-optimisation peut être itéré selon un procédé de type Monte Carlo. Les tirages Monte Carlo sont répétés afin de rendre plus 35 robustes les optimisations mais un nombre relativement faible de tirages s'avère suffisant. L'algorithme d'optimisation utilisé peut être une classique descente de gradient avec recherche linéaire, où le vecteur gradient est calculé par simples différences finies. In this case, only one building is extracted from the image; it is the building corresponding to the hypothesis whose adequacy with radiometry of the image is the best. According to another implementation of the method according to the invention, minimum adequacy thresholds are chosen for each of the adequacy criteria and all the hypotheses corresponding to maxima of these criteria which exceed the thresholds are considered as real buildings. If no set of parameters makes it possible to obtain a level of adequacy higher than the thresholds, then it is considered that the sought building is not in the image. Several buildings can thus be found in the image from a single parametric model. For example, if it is chosen to look for a house with a rectangular footprint and a two-sided roof and the image includes a subdivision with several pavilions of different sizes and orientations, but including all a rectangular right-of-way and a two-sided roof, then the method according to the invention will model each of the pavilions of the subdivision. In summary, the modeling method of FIG. 1 performs the following steps: choosing a 3D parametric building model (first step 101); randomly drawing the parameters of the 3D model (second step 102) according to uniform laws; project the candidate building in the image 111 using the shooting model 112 to form the signature of the building (third step 103); optimization from the region criterion from these initial parameters (drawn at random from a uniform law), then optimization from the segment-based criterion from the first optimization (fourth step 104, fifth step 105 and second step 102); determine the parameters leading to the best fit (sixth step 106). This generation-optimization method can be iterated according to a Monte Carlo method. The Monte Carlo prints are repeated in order to make the optimizations more robust, but a relatively small number of prints is sufficient. The optimization algorithm used can be a classical linear gradient descent, where the gradient vector is calculated by simple finite differences.

La figure 2 illustre les étapes d'une deuxième mise en oeuvre du procédé de modélisation selon l'invention, dans laquelle un utilisateur intervient pour restreindre la combinatoire impliquée par le procédé. En effet, l'espace des hypothèses peut être important puisqu'il s'étend sur le produit cartésien de tous les domaines de définitions associés à chacun des paramètres du modèle. Le fait de restreindre le domaine de définition d'un ou de plusieurs paramètres, voire de fixer la valeur de ces paramètres permet d'accélérer l'exécution du procédé. Par exemple, au lieu de prendre en compte l'hypothèse selon laquelle la hauteur des bâtiments peut être comprise entre 3 et 40m, l'hypothèse plus restrictive selon laquelle la hauteur des bâtiments est comprise entre 3m et 10m sera considérée. Le procédé peut être exécuté sur une machine de calcul tel qu'un ordinateur pourvu d'un écran sur lequel l'utilisateur peut visualiser l'image. Ainsi, cet utilisateur peut, en quelques opérations élémentaires, limiter l'espace de recherche en tenant compte de sa connaissance de l'image. Par exemple, il peut exclure les zones géographiques dans lesquelles il n'y a pas de bâtiments en détourant sur l'écran les zones pertinentes via des moyens de saisi tel qu'une souris. Cette étape 201 de restriction des domaines de définition des paramètres peut être exécutée entre la première étape 101 et la deuxième 25 étape 102 décrite en figure 1. FIG. 2 illustrates the steps of a second implementation of the modeling method according to the invention, in which a user intervenes to restrict the combinatorics involved by the method. Indeed, the space of the hypotheses can be important since it extends on the Cartesian product of all the domains of definitions associated with each parameter of the model. Restricting the definition range of one or more parameters, or even setting the value of these parameters accelerates the execution of the process. For example, instead of taking into account the assumption that the height of buildings can be between 3 and 40m, the more restrictive assumption that the height of buildings is between 3m and 10m will be considered. The method may be executed on a computing machine such as a computer provided with a screen on which the user can view the image. Thus, this user can, in a few basic operations, limit the search space taking into account his knowledge of the image. For example, it can exclude geographical areas in which there are no buildings by diverting the relevant areas on the screen via input means such as a mouse. This step 201 of restricting the parameter definition domains can be executed between the first step 101 and the second step 102 described in FIG.

La figure 3 illustre les étapes d'une troisième mise en oeuvre du procédé de modélisation selon l'invention. Selon cette mise en oeuvre, plusieurs domaines de définitions distincts 301 sont établis pour un sous- 30 ensemble de paramètres du modèle paramétrique choisi lors de la première étape 101, puis les deuxième, troisième, quatrième, cinquième et sixième étapes 102, 103, 104, 105, 106 sont exécutées successivement pour chacun de ces domaines de définitions distincts. Par exemple, si deux bâtiments sont recherchés dans une image, le premier bâtiment étant situé dans une 35 première zone de l'image, et le deuxième bâtiment étant situé dans une deuxième zone de l'image, deux domaines de définitions distincts sont créés, chacun de ces domaines de définition couvrant des latitudes et longitudes adaptées aux zones de recherche. Les domaines de définitions peuvent être créés manuellement, conformément à la description de la figure 2. FIG. 3 illustrates the steps of a third implementation of the modeling method according to the invention. According to this implementation, several distinct definitions domains 301 are established for a subset of parameters of the parametric model chosen during the first step 101, then the second, third, fourth, fifth and sixth steps 102, 103, 104 , 105, 106 are executed successively for each of these distinct definitions domains. For example, if two buildings are searched for in one image, the first building being located in a first area of the image, and the second building being located in a second area of the image, two distinct definition domains are created. each of these definition domains covering latitudes and longitudes adapted to the search areas. The definition domains can be created manually, as described in Figure 2.

La figure 4 illustre les étapes d'un procédé de détection de changements selon l'invention. Ce procédé peut être utilisé pour comparer deux images d'une même zone géographique prises à des instants différents, par exemple deux images d'une même zone urbaine prises à un an d'intervalle. Il permet notamment de détecter les bâtiments qui ont été détruits, construits ou modifiés. Dans l'exemple décrit en regard de la figure 4, deux images sont comparées. Dans un premier temps 401, un procédé de modélisation est exécuté indépendamment sur chacune des deux images. Le procédé de modélisation est, par exemple, le procédé tel que décrit plus haut en regard des figures 1 à 3. A l'issue de cette étape, deux modèles 3D 411, 412 sont produits, un modèle correspondant à chaque image. Dans un deuxième temps 402, les deux modèles 3D 411, 412 sont comparés. Pour cela, une distance mathématique peut être créée pour mesurer les différences entre deux objets présents dans chacun des modèles. Avantageusement, un seuil est également choisi afin de distinguer les différences qui correspondent à de réelles modifications sur le terrain et celles qui ne sont dues qu'aux imprécisions dans la modélisation des objets. Ce seuil pourra en outre être ajusté en fonction des métadonnées associées aux images fournies en entrée. Par exemple, si les deux images sont prises avec des points de vue très différents, le seuil peut être relevé pour éviter de détecter de fausses différences. Selon une autre mise en oeuvre du procédé de détection de changements, le procédé est d'abord exécuté sur une image, puis les modèles de bâtiment extrait de cette image sont projetés dans la seconde image. L'adéquation entre ces projections et les caractéristiques radiométriques de la seconde image est ensuite testée. Un avantage du procédé de détection de changements selon l'invention est qu'il permet de comparer deux images de types différents (exemple : une image panchromatique avec une image multispectrale), contrairement aux méthodes classiques basées sur des comparaisons radiométriques entre deux images optiques, par exemple. Figure 4 illustrates the steps of a change detection method according to the invention. This method can be used to compare two images of the same geographical area taken at different times, for example two images of the same urban area taken at one year intervals. In particular, it can detect buildings that have been destroyed, constructed or modified. In the example described with reference to FIG. 4, two images are compared. In a first step 401, a modeling method is executed independently on each of the two images. The modeling method is, for example, the method as described above with reference to FIGS. 1 to 3. At the end of this step, two 3D models 411, 412 are produced, a model corresponding to each image. In a second time 402, the two 3D models 411, 412 are compared. For this, a mathematical distance can be created to measure the differences between two objects present in each of the models. Advantageously, a threshold is also chosen in order to distinguish the differences that correspond to real changes in the field and those that are due only to inaccuracies in the modeling of the objects. This threshold may furthermore be adjusted according to the metadata associated with the images provided as input. For example, if the two images are taken with very different points of view, the threshold can be raised to avoid detecting false differences. According to another implementation of the change detection method, the method is first executed on an image, then the building models extracted from this image are projected in the second image. The fit between these projections and the radiometric characteristics of the second image is then tested. An advantage of the method of detecting changes according to the invention is that it makes it possible to compare two images of different types (example: a panchromatic image with a multispectral image), unlike the conventional methods based on radiometric comparisons between two optical images, for example.

Un avantage du procédé de modélisation selon l'invention est qu'il prend des hypothèses minimales sur la nature radiométrique et géométrique des images, ce qui permet d'obtenir des résultats satisfaisants sur des types d'image très divers. Le procédé de modélisation selon l'invention peut également être mis en oeuvre indépendamment sur plusieurs images représentant la même ~o zone géographique, puis les résultats de modélisation obtenus pour chacune des images peuvent être combinés pour améliorer la fiabilité ou la précision de la modélisation. An advantage of the modeling method according to the invention is that it takes minimal assumptions on the radiometric and geometric nature of the images, which makes it possible to obtain satisfactory results on very diverse types of image. The modeling method according to the invention can also be implemented independently on several images representing the same geographical area, and the modeling results obtained for each of the images can be combined to improve the reliability or accuracy of the modeling.

Claims

REVENDICATIONS1. A method of modeling a real object represented in an image of the earth's surface, the image being referenced geographically and produced by an airborne or spaceborne sensor associated with a physical model of shooting, the method being characterized in that comprises at least the following steps: choosing a parametric model of the outer surface of said real object (101); for several sets of parameters of said model: o project (103) the model parameterized in the image by applying the physical model of shooting; o evaluating the fit (104) between the projected model and the radiometric characteristics of the image; ^ determine the model parameters for which the fit is the best (106), to model the object with these parameters.

The modeling method according to claim 1, wherein as long as the parameters corresponding to the best match between the projected model and the image have not been determined (105), the parameters (102) are modified, the model set in the image space (103), and the adequacy (104) between the projected model and the radiometric characteristics of the image is re-evaluated.

3. Modeling method according to claim 1 or 2, wherein the first set of parameters tested is drawn randomly.

4. The modeling method according to claim 3, wherein each of the parameters is randomly drawn according to a uniform law in its field of definition.

5. Modeling method according to any one of the preceding claims, wherein during the step of evaluating the adequacy between the projected model and the image (104), the homometricity of the radii of the zones corresponding to the faces is evaluated. of the projected model in the image.

6. A modeling method according to any one of the preceding claims, wherein during the step of evaluating the adequacy between the projected model and the image (104), the adequacy of the contours of the projected model is evaluated. in the image with the radiometric transitions of the image.

7. A modeling method according to claims 5 and 6, wherein in a first step, the initial parameters (102) are modified until an optimal match is obtained between the radiometric homogeneity of the zones corresponding to the faces of the projected model in the image, and in a second step, the parameters (102) leading to said optimal matching of radiometric homogeneity are modified to obtain an optimal match of the contours of the model projected in the image with the radiometric transitions of the image.

8. A modeling method according to any one of the preceding claims, wherein the evaluation criteria of the adequacy (104) between the projected model and the image are chosen according to the type of sensor used to produce the image. .

9. A modeling method according to any one of the preceding claims, wherein the real object to be modeled is a building, the modeling parameters comprising at least one parameter among the following: the length of the building, the width of the building, the height of the building, the longitude of the center of gravity of the building footprint, the latitude of the center of gravity of the building footprint, the azimuth angle of orientation of the building relative to the geographic north.

10. A modeling method according to any one of the preceding claims, wherein the altitude of the model of the real object to be projected is, before the projection step (103), considered to be at the level of a numerical model of the field corresponding to the geographical area observed in the image.

11. A modeling method according to any one of the preceding claims, the image being derived from an optical sensor, the instant at which the image was taken being known, wherein: the shape of the shadow is modeled produced by the parameterized model of the real object, ^ the shadow of this model is projected into the image by using ephemeris data corresponding to the moment at which the image was taken, ^ the adequacy is evaluated shadow with the radiometric characteristics of the image.

12. A method for modeling a plurality of real objects represented in a geographically referenced image of the terrestrial surface, the image being produced by an airborne or spaceborne sensor, in which the parametric model (101) choice step is performed according to the claim 1, then defining, for a subset of parameters, several distinct definition domains (301), before executing the steps according to the projection claim (103), the suitability evaluation (104) ) between the projected model and the image, and determining the optimal parameters (106) on each of the definition domains defined above.

13. Modeling method according to any one of the preceding claims, the method being implemented by software executed on a computing system provided with display means and interaction with a user, wherein after the step of choice of the parametric model (101) according to claim 1, a user defines using a means of interaction a definition domain (201) for a subset of parameters, before executing the projection steps (103) , evaluating the adequacy (104) between the projected model and the image, and determining the optimal parameters (106) on the definition domain defined previously by the user.

14. A method for detecting changes between two images of the same geographical area taken at two different times, the method comprising a first step (401) of executing the modeling method on each of the two images, and a second comparison step (402) models (411, 412) obtained at the end of the first step.

15. A system for modeling a real object represented in an image of ~ o the terrestrial surface, the image being referenced geographically and produced by an airborne or spaceborne sensor, characterized in that the system comprises at least one configured computing machine for carrying out the method according to any one of claims 1 to 13.