A novel approach for landform classification based on salience detection integrating expert knowledge and deep learning

Source : Conseil de recherches en sciences naturelles et en génie du Canada
Programme : Subventions à la découverte SD (individuelles et d'équipe)
Période : 2022-2027
Chercheur(s) du centre impliqué(s):

• Éric Guilbert

Résumé :
Depuis plusieurs années, les progrès en acquisition en géomatique permettent d'acquérir des données à très haute résolution sur de très grandes surfaces. Notamment, nous disposons maintenant de modèles numériques de terrain à des niveaux de détail inégalés pour l'analyse du relief et de l'environnement. Cependant, cela nécessite des méthodes de traitement robuste et automatiques. Pour cela, la détection et l'analyse des formes de relief est toujours un problème difficile. Une forme de relief est le résultat de processus géomorphologiques dans un contexte donné. Sa définition étant vague, les méthodes actuelles sont spécifiques à certains types de données et certaines formes. Dernièrement, des progrès ont été faits grâce à des méthodes d'apprentissage profond venant du traitement d'image mais elles sont difficilement généralisables. Nous proposons donc une nouvelle approche basée sur les éléments saillants du terrain: une forme de relief n'est pas caractérisée par des critères morphométriques mais par des saillances, suivant la démarche cognitive faite par les géomorphologues. Ces saillances sont incluses dans un réseau (graphe) de points (sommets, creux) et de lignes (talwegs, crêtes) qui décrit le terrain. L'objectif de ce programme de recherche est de proposer de nouvelles méthodes de détection des formes de relief où des techniques d'apprentissage profond sur des graphes seront employées. Nous considérons que cette approche est plus robuste puisque moins dépendante de l'image et qu'elle permet d'intégrer plus facilement les descriptions faites par les experts.