Ce cours est une introduction aux principales méthodes de traitement et d’analyse des données d’observation de la Terre provenant de capteurs satellitaires, aéroportés, ou de drones. Les objectifs du cours sont : 1) d’apprendre les notions de base de formation d’une image numérique et ses caractéristiques mathématiques et statistiques ; 2) de connaître les essentielles étapes de prétraitement et rehaussement d’image (ex., transformation radiométrique, correction atmosphérique, rehaussement de contrastes, rapport de bandes, débruitage, ortho-rectification, mosaïquage, etc.) ; 3) d’apprendre les principales approches classiques et modernes (apprentissage automatique et intelligence artificielle) d’extraction d’informations comme les classifications (supervisées vs non supervisées des informations (objets, caractéristiques, etc.) ; détection des changements (couverture et/ou utilisation du sol, déforestation, catastrophes naturelles, etc.) ou des anomalies (pollutions au sol et au milieu aquatique, etc.). Après avoir appris les bases de l’analyse d’image, les étudiant(e)s auront l’occasion de travailler avec les données d’observation de la Terre provenant de capteurs multispectrals, hyperspectrals, thermiques, radar polarimétrique, lidar, ou de photogrammétrie par drone. Afin de maitriser l’analyse des images, les étudiant(e)s se familiarisent à l’utilisation de quelques logiciels libres (ex., Quantum GIS, SNAP, Google Earth Engine) ou commerciaux (ex., Geomatica, eCognition). Finalement, les étudiant(e)s auront l’opportunité d’appliquer les deux aspects théories et pratiques d’analyse de l’observation de la Terre par un mini-projet thématique selon leur intérêt.
- Enseignant: Saeid Homayouni