| Titre : | Automatic Contrast Enhancement of UAV images in homogeneous environments using Deep Learning for Improved 3D photogrammetric reconstruction |
| Auteurs : | ABKARI,Khaoula;BEN HMED,Samira, Auteur ; AIT LAMALLAM Sara, Auteur ; KELLOUCH Souhail, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2025 |
| Format : | 95 |
| Langues: | Français |
| Mots-clés: | Photogrammétrie par drone ; Faible contraste ; apprentissage automatique ; Apprentissage profond ; Reconstruction 3D. |
| Résumé : |
La variation locale d’intensité du contraste au niveau des images aériennes influence directement sur la capacité à établir des correspondances entre vues. Dans des zones sableuses, rocheuses ou visuellement homogènes, ces variations deviennent insuffisantes pour permettre aux algorithmes photogrammétriques de fonctionner efficacement, Ainsi l’amélioration d’une image ne revient pas à en modifier l’apparence, mais à restaurer son pouvoir structurant dans un traitement tridimensionnel. C’est dans cette optique que s’inscrit ce travail, en développant une méthode basée sur le Deep Learning pour l’amélioration automatique du contraste des images acquises par UAV.
La méthode proposée repose sur une chaîne de traitement en deux phases. La première consiste à prédire les hyperparamètres de l’algorithme CLAHE à l’aide d’un modèle de machine learning supervisé. Les images optimisées issues de cette prédiction constituent une base de référence pour l’apprentissage profond. Dans la seconde phase, un modèle de deep learning est entraîné sur les paires d’images brutes et images améliorées. Il intègre un encodeur ResNet-18 préentraîné, afin de concentrer l'apprentissage sur un décodeur conçu pour améliorer localement le contraste sans altérer les structures géométriques. Les résultats ont été évalués à la fois selon des métriques d’apprentissage et des indicateurs photogrammétriques. Les analyses comparatives entre les images brutes, celles améliorées par CLAHE, et celles issues du modèle d’apprentissage profond ont porté sur : 1) la densité des tie points, 2) l’erreur de reprojection, 3) la précision des paramètres de calibration caméra, 4) les RMSE des GCP, 5) la précision du nuage de points, 6) la précision du modèle numérique de terrain et 7) la qualité des orthophotos. Parmi ces améliorations, La RMSE verticale a été réduite de 25 % par rapport à CLAHE et de 40 % par rapport à la mission de référence. Les résultats montrent une amélioration cohérente sur l’ensemble des critères, tant sur les données d’entraînement que sur des scènes non vues. La validation sur une mission de référence acquise dans un site distinct du cas d’étude, met en évidence plusieurs améliorations, dont une hausse de 35,8 % du nombre de points de liaison par rapport à CLAHE et de 78,1 % par rapport aux images de référence. |
| En ligne : | http://10.2.0.27/PDF_CDA/uploads/PDF/ABKARI_BEN AHMED_2025.pdf |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 200041737 | 10564 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur topographe | Consultation sur place Exclu du prêt |
