FR3050300A1 - Procede et dispositif de detection automatique de zones de pollution sur une surface d'eau - Google Patents
Procede et dispositif de detection automatique de zones de pollution sur une surface d'eau Download PDFInfo
- Publication number
- FR3050300A1 FR3050300A1 FR1600651A FR1600651A FR3050300A1 FR 3050300 A1 FR3050300 A1 FR 3050300A1 FR 1600651 A FR1600651 A FR 1600651A FR 1600651 A FR1600651 A FR 1600651A FR 3050300 A1 FR3050300 A1 FR 3050300A1
- Authority
- FR
- France
- Prior art keywords
- image
- digital image
- interest
- acquired
- water surface
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 title claims description 20
- 238000003384 imaging method Methods 0.000 claims abstract description 19
- 230000001131 transforming effect Effects 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000011496 digital image analysis Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007872 degassing Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 206010039509 Scab Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
L'invention concerne un procédé de détection automatique de zones de pollution sur une surface d'eau, ainsi qu'un dispositif associé. Le procédé comporte une étape d'analyse d'image numérique acquise par imagerie radar, l'image numérique acquise étant composée d'échantillons d'image, chaque échantillon ayant une valeur d'échantillon associée. Le procédé comporte en outre une étape d'acquisition d'image numérique d'une surface d'eau à analyser par un dispositif d'imagerie radar aéroporté, suivie d'étapes consistant à : -déterminer (42) un seuil de binarisation de l'image numérique acquise, et transformer l'image numérique acquise en image binaire, -appliquer (44) un filtre à ladite image binaire, afin d'obtenir une image binaire filtrée, -appliquer (46) un détecteur de points d'intérêt sur l'image binaire filtrée, -déterminer (48) au moins une zone d'image à partir d'une pluralité de points d'intérêt détectés, ladite zone d'image correspondant à une zone de pollution.
Description
Procédé et dispositif de détection automatique de zones de pollution sur une surface d’eau
La présente invention concerne un procédé de détection automatique de zones de pollution sur une surface d’eau, comportant une étape d’analyse d’image numérique acquise par imagerie radar, et un dispositif associé. L’invention se situe dans le domaine de la télédétection.
La télédétection par imagerie radar trouve de nombreuses applications, une des applications étant la détection de nappes de pollution, dues à la présence massive d’hydrocarbures, sur des surfaces maritimes.
De manière connue, on utilise l’acquisition d’images par satellite ou de SLAR (Side Looking Airborne Radar) dédiée à ce type d’utilisation.
En particulier, dans le domaine de la télédétection de zones de pollution maritime, il est connu d’utiliser des images obtenues par un capteur radar monté sur un satellite, par exemple en utilisant le mode de capture d’images dit SAR pour « synthetic aperture radar ». L’imagerie par satellite présente l’avantage de fournir des images de très haute résolution, dont la qualité est peu impactée par les conditions météorologiques locales. Cependant, l’acquisition d’images par satellite présente également des inconvénients, qui sont notamment la difficulté d’orienter l’acquisition d’images vers une zone spécifique, et la difficulté d’obtenir une pluralité d’images d’un même paysage analysé à de courts intervalles de temps, le temps de revisite d’un emplacement géographique par un satellite étant long.
De plus, la distance entre le satellite et un paysage visé est très importante, de l’ordre de plusieurs centaines à plusieurs milliers de kilomètres, donc il est difficile de repérer une nappe de pollution due par exemple à un dégazage, de forme allongée et de taille relativement faible. Il est également à noter que dans les images obtenues par imagerie radar, un très faible contraste apparaît entre la surface de mer et les zones comportant des nappes d’hydrocarbures.
Aussi, l’utilisation de RADAR utilisant un mode spécifique, appelé SLAR, permet de programmer le capteur en utilisant de grandes antennes latérales dédiées à la détection de zone de pollution programmées pour obtenir la meilleure acquisition possible des nappes de pollution par imagerie RADAR. La solution est efficace mais impose une configuration de l’aéronef et des modes RADAR très spécifiques. A l’heure actuelle, on ne connaît pas de méthode de détection automatique de zones de pollution par dégazage par imagerie RADAR obtenue à partir d’un aéronef non dédié. Une solution consiste à faire analyser toutes les images acquises par un opérateur spécialisé afin de détecter la présence de zones de pollution de ce type.
Pour un opérateur, l’analyse de centaines d’images est un travail long et fastidieux. L’invention a pour objet de remédier aux inconvénients de l’état de la technique précités, en proposant un procédé de détection automatique de zones de pollution sur une surface d’eau. A cet effet, selon un premier aspect, l’invention propose un procédé de détection automatique de zones de pollution sur une surface d’eau, comportant une étape d’analyse d’image numérique acquise par imagerie radar, l’image numérique acquise étant composée d’échantillons d’image, chaque échantillon ayant une valeur d’échantillon associée. Ce procédé comporte une étape d’acquisition d’image numérique d’une surface d’eau à analyser par un dispositif d’imagerie radar aéroporté, suivie d’étapes consistant à : -déterminer un seuil de binarisation de l’image numérique acquise, et transformer l’image numérique acquise en image binaire, -appliquer un filtre à ladite image binaire, afin d’obtenir une image binaire filtrée, -appliquer un détecteur de points d’intérêt sur l’image binaire filtrée, -déterminer au moins une zone d’image à partir d’une pluralité de points d’intérêt détectés, ladite zone d’image correspondant à une zone de pollution.
Avantageusement, le procédé de l’invention comporte une acquisition d’image par un dispositif aéroporté et des traitements appliqués à l’image numérique acquise permettant de débruiter l’image acquise et de détecter automatiquement des zones d’image correspondant à des zones de pollution.
Avantageusement, le procédé de l’invention n’est pas dépendant des conditions météorologiques, et permet la détection de zones de pollution de faible taille.
Avantageusement, le procédé de l’invention permet de traiter automatiquement des images numériques acquises avec un dispositif d’imagerie radar classique, non dédié au besoin de détection de pollution maritime.
Le procédé de détection automatique de zones de pollution sur une surface d’eau selon l’invention peut présenter une ou plusieurs des caractéristiques ci-dessous, prises indépendamment ou dans toutes leurs combinaisons techniquement acceptables.
Il comporte en outre une étape d’affichage de la ou des zones d’images déterminées en superposition sur l’image numérique acquise.
Dans l’étape d’application d’un détecteur de points d’intérêt un détecteur de Harris est appliqué sur l’image binaire filtrée.
Dans l’étape de filtrage, un filtre de déconvolution est appliqué sur chaque échantillon de l’image binaire, avec une taille de voisinage prédéterminée. L’étape de détermination du seuil de binarisation comporte un calcul automatique dudit seuil de binarisation comprenant la détermination d’une valeur minimale non nulle parmi les valeurs d’échantillon de l’image numérique acquise, ledit seuil de binarisation étant supérieur à ladite valeur minimale.
Le seuil de binarisation est égal à ladite valeur minimale augmentée d’une valeur prédéterminée.
La détermination de zone d’image à partir d’une pluralité de points d’intérêt détectés comprend une détermination, pour chaque point d’intérêt détecté, d’une fenêtre associée, et une fusion itérative des fenêtres présentant un chevauchement spatial.
Selon un autre aspect, l’invention concerne un dispositif de détection automatique de zones de pollution sur une surface d’eau, comportant un module d’analyse d’image numérique acquise par imagerie radar, l’image numérique acquise étant composée d’échantillons d’image, chaque échantillon ayant une valeur d’échantillon associée. Le dispositif comporte une unité de calcul et de traitement comportant un processeur et une ou plusieurs unités de mémoire aptes à stocker des données et des instructions de code de programme, mettant en oeuvre un module d’acquisition d’image numérique d’une surface d’eau à analyser par un dispositif d’imagerie radar aéroporté, et : -un module de détermination de seuil de binarisation, adapté à déterminer un seuil de binarisation de l’image numérique acquise, et transformer l’image numérique acquise en image binaire, -un module de filtrage adapté à appliquer un filtre à ladite image binaire, afin d’obtenir une image binaire filtrée, -un module de détection de points d’intérêts adapté à appliquer un détecteur de points d’intérêt sur l’image binaire filtrée, -un module de détermination de zones adapté à déterminer au moins une zone d’image à partir d’une pluralité de points d’intérêt détectés, ladite zone d’image correspondant à une zone de pollution.
Selon un autre aspect, l’invention concerne un support d’enregistrement d’informations, sur lequel sont mémorisées des instructions logicielles pour l’exécution d’un procédé de détection automatique de zones de pollution sur une surface d’eau tel que brièvement décrit ci-dessus, lorsque ces instructions sont exécutées par un dispositif programmable.
Selon un autre aspect, l’invention concerne un programme d’ordinateur comportant des instructions logicielles qui, lorsqu’elles sont mises en oeuvre par un dispositif programmable, mettent en œuvre un procédé de détection automatique de zones de pollution sur une surface d’eau tel que brièvement décrit ci-dessus. D’autres caractéristiques et avantages de l’invention ressortiront de la description qui en est donnée ci-dessous, à titre indicatif et nullement limitatif, en référence aux figures annexées, parmi lesquelles : - la figure 1 est une vue schématique d’un dispositif d’acquisition d’images radar aéroporté ; - la figure 2 est un schéma représentant les blocs fonctionnels d’un dispositif programmable apte à mettre en œuvre l’invention ; - la figure 3 est un organigramme des principales étapes d’un procédé de détection automatique de zones de pollution selon l’invention ; - la figure 4 illustre schématiquement sur une image d’exemple les étapes de la détection de points d’intérêt et de la détermination de zones associées.
La figure 1 illustre schématiquement un cas de mise en application de l’invention.
Un dispositif d’acquisition d’images 2, comportant un capteur d’images radar, est embarqué sur un aéronef 4, tel qu’un drone ou un avion. En d’autres termes, le dispositif d’acquisition d’images 2 est aéroporté. L’aéronef 4 est apte à survoler une surface à analyser, par exemple une surface d’eau 6, par exemple mer ou océan, et le dispositif d’acquisition d’images 2 est apte à acquérir une ou plusieurs images numériques de portions 8 de la surface survolée, permettant une analyse par traitement d’image de la surface survolée.
De préférence, le dispositif d’acquisition d’images 2 est un dispositif d’imagerie radar à synthèse d’ouverture (ou SAR en abréviation anglo-saxonne), dont le fonctionnement est connu, et ne sera pas décrit en détail ici.
En variante, d’autres techniques d’acquisition d’images radar, par exemple le radar SLAR (Side Looking Airborne Radar), peuvent être appliquées.
Chaque image numérique acquise I (non représentée) est composée d’une matrice d’échantillons, également appelés pixels, chaque pixel ayant une valeur numérique associée, codée sur N bits, et comprise entre 0 et 2N-1. L’ensemble des valeurs d’échantillons forme un signal à deux dimensions appelé également signal d’image.
Lorsque N=1, il s’agit d’une image binaire, chaque échantillon pouvant prendre une valeur parmi deux valeurs possibles.
Lorsque N>1, il s’agit d’une image en niveaux de gris.
Les images numériques acquises par un dispositif d’imagerie radar sont des images en niveaux de gris. L'invention propose un procédé d’analyse des images numériques acquises par le dispositif aéroporté d’acquisition d’images, les images acquises étant représentatives de la rétrodiffusion d’ondes électromagnétiques par la surface survolée. En particulier, il s’agit de détecter automatiquement des zones de pollution, par exemple dues au dégazage de navires, ces zones de pollution étant composées de nappes d’hydrocarbures, la rétrodiffusion des ondes électromagnétiques émises par le dispositif d’imagerie radar étant différente pour ces zones de pollution de la rétrodiffusion par la surface de l’eau.
Le procédé de l’invention fonctionne pour détecter tout type de zones de pollution, présentes à la surface de l’eau et modifiant la rétrodiffusion des ondes électromagnétiques radar par rapport à la surface environnante.
Il est à noter que la différence de rétrodiffusion se traduit par des différences faiblement perceptibles sur l’image numérique radar acquise.
Avantageusement, l’utilisation de l’imagerie radar permet de s’affranchir des conditions météorologiques, par exemple de la présence de nuages.
De plus, l’acquisition d’images par un dispositif aéroporté permet d’avoir une pluralité d’images acquises, et, le cas échéant, de diriger l’aéronef vers une portion d’une surface maritime dans laquelle la présence d’une ou plusieurs zones de pollution est suspectée. Néanmoins, la capture d’images par un dispositif d’imagerie aéroporté est bruitée, notamment par l’instabilité due à l’instabilité de la surface maritime mais surtout au phénomène de speckle (ou tavelure) qui donne cet aspect bruité aux images SAR et notamment sur surface maritime. Ce phénomène est dû à la cohérence de l'onde radar et à l'interférence des champs rétro-diffusés par les objets à l'intérieur de chaque cellule de résolution. L’invention propose un procédé de traitement d’images permettant une détection automatique de zones de pollution à partir d’images acquises par un tel dispositif d’acquisition d’images aéroporté.
Le procédé de l’invention est mis en oeuvre par un dispositif programmable, qui est soit embarqué également à bord du porteur, soit distant du porteur.
La figure 2 illustre les principaux blocs d’un mode de réalisation d’un dispositif apte à mettre en œuvre le procédé de détection automatique de zones de pollution selon l’invention.
Un dispositif programmable 10 apte à mettre en œuvre l’invention, typiquement un ordinateur, comprend un écran 12, un moyen 14 de saisie des commandes d’un opérateur, par exemple un clavier, optionnellement un moyen supplémentaire de pointage 16, tel une souris, permettant de sélectionner des éléments graphiques affichés sur l’écran 12, une unité centrale de calcul et de traitement 18, ou CPU, comportant au moins un processeur, apte à exécuter des instructions de programme informatique lorsque le dispositif 10 est mis sous tension.
Le dispositif 10 comporte également une unité ou plusieurs unités de stockage d’informations 20, par exemple des registres, apte à stocker des données et des instructions de code exécutable permettant la mise en œuvre de programmes comportant des instructions de code aptes à mettre en œuvre le procédé selon l’invention. En particulier, une image numérique acquise à analyser est stockée dans l’unité de stockage 20.
Les divers blocs fonctionnels du dispositif 10 décrits ci-dessus sont connectés via un bus de communication 22.
Dans un mode de réalisation, l’unité centrale de traitement est apte à mettre en œuvre un module 24 de détermination d’un seuil de binarisation de l’image numérique acquise, et de transformation de l’image numérique acquise en image binaire, un module 26 de filtrage apte appliquer à un filtre à ladite image binaire, afin d’obtenir une image binaire filtrée, un détecteur de points d’intérêt 28 et un module 30 de détermination d’une ou plusieurs zone(s) d’image à partir d’une pluralité de points d’intérêt détectés, chaque zone d’image correspondant à une zone de pollution.
Ces modules 24, 26, 28, 30 sont réalisés sous forme d’instructions de programme d’ordinateur, exécutables par un dispositif programmable. En alternative, ils sont réalisés par des composants logiques programmables, ou encore sous forme de circuits intégrés dédiés.
Des détails de mise en œuvre des divers modules mis en œuvre par un dispositif programmable apte à mettre en œuvre l’invention sont donnés ci-après.
La figure 3 est un organigramme des principales étapes d’un procédé de détection automatique de zones de pollution sur une surface d’eau selon un mode de réalisation, mises en œuvre par une unité centrale de traitement d’un dispositif programmable apte à mettre en œuvre l’invention.
Le procédé comporte une première étape 40 d’obtention d’une image numérique d’entrée, acquise par un dispositif d’imagerie radar.
De préférence, il s’agit d’un dispositif d’imagerie radar aéroporté.
Dans un mode de réalisation, une image numérique acquise est lue dans une mémoire du dispositif programmable mettant en œuvre d’invention ou à partir d’un support d’enregistrement d’informations. L’image numérique acquise I est formée d’une matrice d’échantillons d’image ou pixels ayant des valeurs numériques associées, comprises entre 0 à 2N-1, par exemple N= 8 à 12. Les faibles valeurs d’échantillon correspondent à des zones sombres et les valeurs élevées à des zones claires. Chaque pixel a une position spatiale dans la matrice d’image, indiquée par des coordonnées spatiales (x,y) associées. Par exemple, les coordonnées spatiales d’un pixel dans l’image sont respectivement l’index de ligne x et l’index de colonne y dans la matrice d’image. L’étape 40 d’obtention d’une image numérique acquise est suivie d’une étape 42 de détermination d’un seuil S de binarisation de l’image numérique acquise I.
Le seuil de binarisation S sera ensuite utilisé, lors de l’étape suivante de binarisation de l’image, pour transformer l’image acquise I en image binaire Γ : les valeurs d’échantillon d’image inférieures ou égales à la valeur de seuil de binarisation S sont mises à une première valeur, par exemple 0, et les valeurs d’échantillon d’image supérieurs à la valeur de seuil de binarisation S sont mise à une deuxième valeur, par exemple 1.
On obtient ainsi une image binaire I*, qui est une image en noir et blanc, le noir correspondant à la première valeur et le blanc à la deuxième valeur des échantillons composant l’image binaire.
Le seuil de binarisation S est de préférence déterminé dynamiquement en fonction de l’image numérique acquise I.
Dans un mode de réalisation, le seuil de binarisation S est déterminé automatiquement par calcul selon le procédé suivant.
Dans une première sous-étape, on détermine la valeur minimale non nulle, notée Vmln, parmi les échantillons de l’image numérique acquise I.
Ensuite, dans une deuxième sous-étape, on calcule le seuil de binarisation : S—Ν/ρπίη+Δ avec Δ une valeur prédéterminée, choisie en fonction de la valeur maximale de la dynamique de représentation des valeurs d’échantillon, par exemple Δ est inférieure ou égale à un pourcentage prédéterminé de 2N-1.
Par exemple, Δ=20 pour N=8.
Selon une variante on calcule un histogramme à partir des 2N-1 valeurs des pixels et on détermine deux maxima locaux dans cet histogramme, un premier maximum local M1 correspondant aux pixels de la nappe de pollution et un deuxième maximum local M2 correspondant aux pixels de la surface. Le premier maximum local M1 correspond à une valeur de pixel V1 et le deuxième maximum local M2 correspond à une valeur de pixel V2. Dans le cas de nappes de pollution d’hydrocarbures, V1<V2. Le seuil de binarisation est sélectionné entre les valeurs V1 et V2 correspondant aux maxima locaux déterminés, et de préférence plus proche de V1 que de V2. Par exemple, le seuil de binarisation est choisi égal à Vl+Δ, avec Δ déterminé comme expliqué ci-dessus.
Selon une autre variante, le seuil de binarisation S est fourni manuellement par un opérateur et obtenu via une interface homme-machine.
Le seuil de binarisation S déterminé est appliqué ensuite pour transformer l’image numérique acquise I en une image binaire Γ, comme expliqué ci-dessus.
La binarisation permet de mettre en exergue les zones les plus sombres de l’image numérique acquise I, correspondant notamment aux nappes d’hydrocarbures.
Ensuite, un filtre de débruitage est appliqué à l’étape 44 de filtrage de l’image binaire.
Dans un mode de réalisation, un filtre de déconvolution est appliqué, par exemple un filtre de Wiener.
Le filtrage de Wiener est connu dans le domaine du traitement du signal, et en particulier dans le domaine du traitement d’images numériques.
Ce filtrage est appliqué dans le domaine de la transformée de Fourier, qui est appliquée au signal d’image de l’image binaire Γ.
Le filtre de Wiener permet de réaliser un lissage du signal d’image pour chaque pixel sur un voisinage choisi de ce pixel. Il est entendu par voisinage d’un pixel le carré formé autour du pixel considéré, la taille du voisinage étant le nombre de pixels situés à droite (respectivement à gauche) et au-dessus (respectivement en dessous) du pixel considéré.
Par exemple, un voisinage de taille 2 d’un pixel situé aux coordonnées (x,y) de l’image est un carré de 5x5 pixels ayant pour centre le point (x,y). La taille du voisinage est un paramètre de ce filtrage : plus la taille de la fenêtre est grande, plus le lissage du signal d’image est important.
De préférence, la taille de voisinage est choisie égale à 2 pixels, de manière à conserver des zones de pollution de faible taille tout en éliminant le bruit dû aux conditions d’acquisition de l’image I. A l’issue de l’étape de filtrage 44 on obtient une image binaire filtrée /’.
Ensuite, un détecteur de points d’intérêt est appliqué à l’image binaire filtrée /' lors de l’étape suivante 46 de détection de points d’intérêt.
Il est entendu par points d’intérêt d’une image numérique des points saillants, correspondant à des coins. Un point d’intérêt ou point saillant est un point pour lequel la valeur d’échantillon correspondante diffère fortement des valeurs du voisinage selon plusieurs directions distinctes. En d’autres termes, un point saillant est un point de l’image où le contour (de dimension 1) change brutalement de direction, comme par exemple aux quatre sommets d’un rectangle.
Le détecteur de Harris est un détecteur connu et largement appliqué en traitement d’images pour la détection de points d’intérêt. A l’issue de l’étape 46 on dispose d’une liste de points d’intérêt de l’image, chaque point d’intérêt étant défini par un index de ligne et un index de colonne permettant de le situer dans la matrice d’image binaire filtrée /’. Par exemple, on dispose d’une liste {(xi,yi).....(Xi.Yi).....(xl.Yl)} de L points d’intérêt.
La figure 4 illustre schématiquement une image 60 de départ sur laquelle le détecteur de Harris est appliqué, et des points d’intérêt P,, Pj détectés dans l’image 60.
Le résultat de l’étape 46 de détection de points d’intérêt est schématiquement illustré dans l’image 62 de la figure 4.
Les points déterminés sont ensuite regroupés lors de l’étape 48 de regroupement pour former des zones, chaque zone étant une zone détectée correspondant à une zone de détection.
Pour cela, une fenêtré carrée C, de taille prédéterminée, dite fenêtre élémentaire, par exemple 3x3 pixels, est placée autour de chaque point d’intérêt détecté, comme illustré à l’image 64 de la figure 4.Ensuite, il est déterminé par un algorithme itératif si une fenêtre C, donnée a au moins un chevauchement spatial avec une fenêtre Cj du voisinage, et en cas de présence d’un tel chevauchement, les fenêtres Q et Cj sont fusionnées en une fenêtre rectangulaire contenant les fenêtres qui se chevauchent.
Les fenêtres qui se chevauchent sont remplacées par la plus petite fenêtre rectangulaire qui les contient.
En pratique, chaque fenêtre est définie par un pixel de référence, par exemple le pixel correspondant au coin supérieur gauche, et par ses dimensions de longueur et de largeur.
Par exemple, le pixel de référence de la fenêtre C, a les coordonnées spatiales (xri. Yri). et le pixel de référence de la fenêtre Cj a les coordonnées spatiales (xRj, yRj), chacune des fenêtres Ci, Cj étant un carré de p pixels de côtés, par exemple p=3.
Les fenêtres Q et Cj se chevauchent spatialement si :
Il est à noter qu’on peut déterminer aisément, par le calcul, la plus petite fenêtre rectangulaire contenant une pluralité de fenêtres qui se chevauchent. A l’inverse, les fenêtres élémentaires qui n’ont pas de chevauchement spatial avec une autre fenêtre, comme la fenêtre Ck de l’image 64 de la figure 4, sont éliminées.
Cet algorithme est mis en place itérativement, jusqu’à ce qu’il ne subsiste pas de fenêtres ayant un chevauchement dans l’image.
Les images 66 et 68 de la figure 4 illustrent schématiquement le résultat de l’algorithme itératif mis en œuvre.
On obtient alors de zones détectées, notées Z1t Z2, Z3i Z4 sur l’image 70 de la figure 4.
De retour à la figure 3, l’étape 48 de regroupement en zones est suivie d’une étape 50 d’exploitation des zones détectées.
Dans un mode de réalisation, l’étape 50 consiste en l’affichage des zones détectées en superposition sur l’image numérique acquise I, permettant à un opérateur d'analyser les zones détectées.
Dans un mode de réalisation, plusieurs images numériques acquises sont traitées selon le procédé de détection de zones de pollution décrit ci-dessus, et seules les images numériques acquises contenant une ou plusieurs zones détectées sont mémorisées pour une exploitation ultérieure. Bien évidemment, il ne s’agit que d’un exemple, toute variante à la portée de l’homme du métier étant envisageable.
Claims (10)
- REVENDICATIONS1. - Procédé de détection automatique de zones de pollution sur une surface d’eau, comportant une étape d’analyse d’image numérique acquise par imagerie radar, l'image numérique acquise étant composée d’échantillons d’image, chaque échantillon ayant une valeur d’échantillon associée, caractérisé en ce qu’il comporte une étape d’acquisition d’image numérique d’une surface d’eau à analyser par un dispositif d’imagerie radar aéroporté, suivie d’étapes consistant à : -déterminer (42) un seuil de binarisation de l’image numérique acquise, et transformer l’image numérique acquise en image binaire, -appliquer (44) un filtre à ladite image binaire, afin d’obtenir une image binaire filtrée, -appliquer (46) un détecteur de points d’intérêt sur l’image binaire filtrée, -déterminer (48) au moins une zone d’image à partir d’une pluralité de points , d’intérêt détectés, ladite zone d’image correspondant à une zone de pollution. \
- 2. - Procédé selon la revendication 1, caractérisé en ce qu’il comporte en outre une étape d’affichage (50) de la ou des zones d’images déterminées en superposition sur l’image numérique acquise.
- 3. - Procédé selon l’une des revendications 1 ou 2, caractérisé en ce que dans l’étape d’application (46) d’un détecteur de points d’intérêt un détecteur de Harris est appliqué sur l’image binaire filtrée.
- 4. - Procédé selon l’une des revendications 1 à 3, caractérisé en ce que dans l’étape de filtrage (44), un filtre de déconvolution est appliqué sur chaque échantillon de l’image binaire, avec une taille de voisinage prédéterminée.
- 5. - Procédé selon l’une des revendications 1 à 4, caractérisé en ce que l’étape de détermination (42) du seuil de binarisation comporte un calcul automatique dudit seuil de binarisation comprenant la détermination d’une valeur minimale non nulle parmi les valeurs d’échantillon de l’image numérique acquise, ledit seuil de binarisation étant supérieur à ladite valeur minimale.
- 6. - Procédé selon la revendication 5, caractérisé en ce que le seuil de binarisation est égal à ladite valeur minimale augmentée d’une valeur prédéterminée.
- 7. - Procédé selon l’une des revendications 1 à 6, caractérisé en ce que la détermination (48) de zone d’image à partir d’une pluralité de points d’intérêt détectés comprend une détermination, pour chaque point d’intérêt détecté, d’une fenêtre associée, et une fusion itérative des fenêtres présentant un chevauchement spatial.
- 8. - Programme d’ordinateur comportant des instructions logicielles qui, lorsqu’elles sont mises en œuvre par un dispositif programmable, mettent en œuvre un procédé de détection automatique de zones de pollution sur une surface d’eau conforme aux revendications 1 à 7.
- 9. - Support d’enregistrement d’informations, caractérisé en ce qu’il comporte des instructions logicielles pour l’exécution d’un procédé de détection automatique de zones de pollution sur une surface d’eau conforme aux revendications 1 à 7, lorsque ces instructions sont exécutées par un dispositif programmable.
- 10. - Dispositif de détection automatique de zones de pollution sur une surface d’eau, comportant un module d’analyse d’image numérique acquise par imagerie radar, l’image numérique acquise étant composée d’échantillons d’image, chaque échantillon ayant une valeur d’échantillon associée, caractérisé en ce qu’il comporte une unité (18) de calcul et de traitement comportant un processeur et une ou plusieurs unités de mémoire (20) aptes à stocker des données et des instructions de code de programme, mettant en œuvre un module d’acquisition d’image numérique d’une surface d’eau à analyser par un dispositif d’imagerie radar aéroporté, et : -un module (24) de détermination de seuil de binarisation, adapté à déterminer un seuil de binarisation de l’image numérique acquise, et transformer l’image numérique acquise en image binaire, -un module (26) de filtrage adapté à appliquer un filtre à ladite image binaire, afin d’obtenir une image binaire filtrée, -un module (28) de détection de points d’intérêts adapté à appliquer un détecteur de points d’intérêt sur l’image binaire filtrée, -un module (30) de détermination de zones adapté à déterminer au moins une zone d’image à partir d’une pluralité de points d’intérêt détectés, ladite zone d’image correspondant à une zone de pollution.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1600651A FR3050300B1 (fr) | 2016-04-19 | 2016-04-19 | Procede et dispositif de detection automatique de zones de pollution sur une surface d'eau |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1600651 | 2016-04-19 | ||
| FR1600651A FR3050300B1 (fr) | 2016-04-19 | 2016-04-19 | Procede et dispositif de detection automatique de zones de pollution sur une surface d'eau |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3050300A1 true FR3050300A1 (fr) | 2017-10-20 |
| FR3050300B1 FR3050300B1 (fr) | 2018-05-11 |
Family
ID=56801601
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1600651A Active FR3050300B1 (fr) | 2016-04-19 | 2016-04-19 | Procede et dispositif de detection automatique de zones de pollution sur une surface d'eau |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3050300B1 (fr) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985274A (zh) * | 2018-08-20 | 2018-12-11 | 上海磐波智能科技有限公司 | 水面异物识别方法 |
| CN111062316A (zh) * | 2019-12-16 | 2020-04-24 | 成都之维安科技股份有限公司 | 一种基于深度学习技术的污染源废水排放实时视频分析系统 |
| CN112505278A (zh) * | 2020-11-30 | 2021-03-16 | 深圳市联正通达科技有限公司 | 一种抽样式污水监控分析设备 |
-
2016
- 2016-04-19 FR FR1600651A patent/FR3050300B1/fr active Active
Non-Patent Citations (3)
| Title |
|---|
| "Remote sensing and image interpretation", 2003, JOHN WILEY AND SON, US, ISBN: 978-0-471-15227-9, article LILLESAND: "chapter 7: Digital Image Processing", XP055330352 * |
| "Remote sensing and image interpretation", 2003, JOHN WILEY AND SON, US, ISBN: 978-0-471-15227-9, article LILLESAND: "chapter 8: Microwave and Lidar Sensing", XP055330353 * |
| MERV FINGAS ET AL: "Review of oil spill remote sensing", MARINE POLLUTION BULLETIN, vol. 83, no. 1, 20 April 2014 (2014-04-20), pages 9 - 23, XP055160871, ISSN: 0025-326X, DOI: 10.1016/j.marpolbul.2014.03.059 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985274A (zh) * | 2018-08-20 | 2018-12-11 | 上海磐波智能科技有限公司 | 水面异物识别方法 |
| CN111062316A (zh) * | 2019-12-16 | 2020-04-24 | 成都之维安科技股份有限公司 | 一种基于深度学习技术的污染源废水排放实时视频分析系统 |
| CN112505278A (zh) * | 2020-11-30 | 2021-03-16 | 深圳市联正通达科技有限公司 | 一种抽样式污水监控分析设备 |
| CN112505278B (zh) * | 2020-11-30 | 2024-05-17 | 福建钱江水务有限公司 | 一种抽样式污水监控分析设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3050300B1 (fr) | 2018-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ouma et al. | Wavelet-morphology based detection of incipient linear cracks in asphalt pavements from RGB camera imagery and classification using circular Radon transform | |
| Jiang et al. | Advancing opportunistic sensing in hydrology: A novel approach to measuring rainfall with ordinary surveillance cameras | |
| FR3042630A1 (fr) | Systemes et procedes pour la detection d'objets | |
| US10032077B1 (en) | Vehicle track identification in synthetic aperture radar images | |
| Adu-Gyamfi et al. | Multiresolution information mining for pavement crack image analysis | |
| EP2364490A1 (fr) | Dispositif a architecture pipeline de flot de donnees pour la reconnaissance et la localisation d'objets dans une image par balayage de fenetres de detection | |
| FR3042283B1 (fr) | Methode de traitement d'une image radar de type sar et methode de detection de cible associee | |
| Wang et al. | Extracting oil slick features from VIIRS nighttime imagery using a Gaussian filter and morphological constraints | |
| FR3050300A1 (fr) | Procede et dispositif de detection automatique de zones de pollution sur une surface d'eau | |
| FR3047103A1 (fr) | Procede de detection de cibles au sol et en mouvement dans un flux video acquis par une camera aeroportee | |
| WO2009125132A2 (fr) | Procédé de détermination d'une représentation tridimensionnelle d'un objet à partir d'une séquence d'images en coupe, produit programme d'ordinateur, procede d'analyse d'un objet et systeme d'imagerie correspondants | |
| Al-Lashi et al. | Automated processing of oceanic bubble images for measuring bubble size distributions underneath breaking waves | |
| EP3214601B1 (fr) | Procédé d'amélioration d'images applicable aux images d'empreintes digitales | |
| AlAzawee et al. | Using morphological operations—Erosion based algorithm for edge detection | |
| Cui et al. | Super-resolution optical mapping of floating macroalgae from geostationary orbit | |
| Hieronymi et al. | Ocean color atmospheric correction methods in view of usability for different optical water types | |
| EP3216213B1 (fr) | Procédé de détection de pixels défectueux | |
| CN113096129B (zh) | 高光谱卫星影像中的云量检测方法和装置 | |
| Adhikary et al. | Realtime oil spill detection by image processing of synthetic aperture radar data | |
| Mbani et al. | An automated image-based workflow for detecting megabenthic fauna in optical images with examples from the Clarion–Clipperton Zone | |
| WO2016016289A1 (fr) | Procede d'extraction de motifs non periodiques masques par des motifs periodiques, et dispositif mettant en oeuvre le procede | |
| Orescanin et al. | A Study on the Effect of Commonly Used Data Augmentation Techniques on Sonar Image Artifact Detection Using Deep Neural Networks | |
| Wang et al. | Scale-space effect and scale hybridization in image intelligent recognition of geological discontinuities on rock slopes | |
| EP4166931B1 (fr) | Méthode de cartographie multi-espèces d'une zone à partir de données spectrales | |
| FR3076385A1 (fr) | Maillage de donnees globales dans une trame globale a distorsion minimale |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20171020 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |
|
| PLFP | Fee payment |
Year of fee payment: 6 |
|
| PLFP | Fee payment |
Year of fee payment: 7 |
|
| PLFP | Fee payment |
Year of fee payment: 8 |
|
| PLFP | Fee payment |
Year of fee payment: 9 |