Lacoste, 23/05/2013, Page 1 Lacoste C., Descombes X., Zerubia J., and Baghdadi N., 2003. Extraction automatique des réseaux linéiques à partir d’images satellitaires et aériennes par processus Markov objets. Bulletin de la SFPT (Société Française de Photogrammétrie et de Télédétection), no. 170, pp. 13-22. EXTRACTION AUTOMATIQUE DES RESEAUX LINEIQUES A PARTIR D’IMAGES SATELLITAIRES ET AERIENNES PAR PROCESSUS MARKOV OBJET Caroline LACOSTE * , Xavier DESCOMBES * , Josiane ZERUBIA * , Nicolas BAGHDADI + * INRIA - Sophia Antipolis 2004, route des Lucioles - BP 93 06902 Sophia Antipolis cedex - FRANCE E-mail : Prénom.Nom@inria.fr Tél. : 04.92.38.78.57 - Fax : 04.92.38.76.43 + BRGM 3, avenue Claude-Guillemin - BP 6009 45060 Orléans - FRANCE E-mail : n.baghdadi@brgm.fr Tél. : 02.38.64.32.02 - Fax : 02.38.64.36.89 Résumé Cet article présente une méthode d'extraction non supervisée des réseaux linéiques, tels que les réseaux routiers ou les réseaux hydrographiques, à partir d'images moyenne ou haute résolution. Nous modélisons le réseau linéique présent dans la scène observée par un processus Markov objet, où les objets sont des segments interagissant entre eux. Le modèle a priori, appelé « Quality Candy », est construit de façon à exploiter au mieux la topologie du réseau recherché, au travers de potentiels définis à partir de la qualité de chaque interaction. Les propriétés radiométriques des données sont prises en compte au travers d’un terme d’attache aux données défini à partir de tests statistiques. Nous proposons deux techniques pour calculer ce terme, l’une précise, l’autre efficace. L’optimisation est réalisée par un recuit simulé avec un algorithme de type Monte Carlo par chaîne de Markov à sauts réversibles. Afin d’accélérer la convergence de l’algorithme, nous proposons des noyaux de proposition pertinents. Les résultats de l’extraction, obtenus pour chaque technique à partir d’images provenant de différents capteurs, sont évalués quantitativement par rapport à des extractions manuelles. Mots clés : Extraction de réseaux linéiques, imagerie haute résolution, processus ponctuels, méthodes MCMC à sauts réversibles. Abstract This article presents a method for the unsupervised extraction of line networks (for example, road and hydrographical networks) from satellite and aerial images of medium and high resolution. We model the line network in the observed scene by a Markov object process, where the objects are interacting line segments. The prior model, the "Quality Candy" model, is designed to exploit as fully as possible the topological properties of the network under consideration, while the radiometrical properties of the network are modelled using a data term based on statistical tests. Two techniques are used to compute this term, one accurate and the other efficient. Optimization is performed using simulated annealing with a RJMCMC algorithm. We accelerate convergence of the algorithm by using appropriate proposition kernels. The results obtained on images coming from different sensors are quantitatively evaluated with respect to manually generated ground truth. Keywords : Line network extraction, high resolution image processing, point processes, RJMCMC. 1. Introduction Le but de cette étude est de fournir un algorithme d'extraction des réseaux linéiques à partir d'images satellitaires ou aériennes haute résolution, dont l’application finale serait la production de données géographiques. L’enjeu est important : plus de la moitié du globe reste à cartographier. De nombreuses méthodes ont été développées pour répondre à ce problème difficile, notamment pour le cas particulier des réseaux routiers. Deux catégories de