Classification d'images satellitaires hyperspectrales en zone rurale et périurbaine

L'observation satellitaire en zone rurale et periurbaine fournit des images hyperspectrales exploitables en vue de realiser une cartographie ou une analyse du paysage. Nous avons applique une classification par maximum de vraisemblance sur des images de zone agricole. Afin de regulariser la classification, nous considerons la modelisation d'image par champs de Markov, dont l'equivalence avec les champs de Gibbs nous permet d'utiliser plusieurs algorithmes iteratifs d'optimisation : l'ICM et le recuit simule, qui convergent respectivement vers une classification sous-optimale ou optimale pour une certaine energie. Un modele d'energie est propose : le modele de Potts, que nous ameliorons pour le rendre adaptatif aux classes presentes dans l'image. L'etude de la texture dans l'image initiale permet d'introduire des criteres artificiels qui s'ajoutent a la radiometrie de l'image en vue d'ameliorer la classification. Ceci permet de bien segmenter les zones periurbaines, la foret, la campagne, dans le cadre d'un plan d'occupation des sols. Trois images hyperspectrales et une verite terrain ont ete utilisees pour realiser des tests, afin de mettre en evidence les methodes et le parametrage adequats pour obtenir les resultats les plus satisfaisants.