Pré-traitement de données spatialement imprécises pour une classification supervisée basée sur les images satellitaires.
Dans une classification supervisée, les données d’apprentissage sont acquises parfois par des experts du domaine. Toutefois, les données sont plus ou moins biaisées en fonction des outils à dispositions et des méthodes d’acquisitions utilisées. Par exemple, lors d’un suivi environnemental, la localisation des inventaires réalisés sur le terrain peut être approximative (en raison de la précision intrinsèque des GPS portables utilisés). Cette imprécision spatiale est particulièrement problématique lorsque ces données sont croisées avec des images satellitaires très haute résolution (THR) pour réaliser une cartographie des habitats. Ce problème n’est pas pas propre aux données issues de suivis écologiques. Les données de production de fermes aquacoles sont également multivariées, bruitées, imprécises et/ou manquantes. Leur analyse est donc difficile. Pourtant, elle pourrait mettre en avant de bonnes pratiques pour avoir une production de qualité. Dans ce contexte, nous proposons de nouvelles méthodes pour faire de la classification à partir de telles données complexes.
Directeurs de thèse
