Forest Fire Detection by Statistical Analysis of Rare Events from Thermical Infrared Images. Détection de Feux de Forêt par Analyse Statistique D'évènements Rares À Partir D'images Infrarouges Thermiques

Forest Fire Detection by Statistical Analysis of Rare Events from Thermical Infrared Images

Détection de Feux de Forêt par Analyse Statistique D'évènements Rares À Partir D'images Infrarouges Thermiques

F. Lafarge X. Descombes  J. Zerubia  S. Mathieu 

Projet Ariana, commun INRIA - I3S, 2004 route des Lucioles - BP93, 06902 Sophia Antipolis, Cedex France

Alcatel Alenia Space 100, boulevard du Midi - BP99, 06156 Cannes La Bocca Cedex France

Page: 
1-12
|
Received: 
8 March 2005
|
Accepted: 
N/A
|
Published: 
28 February 2007
| Citation

OPEN ACCESS

Abstract: 

The TIR (Thermical InfraRed) channel owns wave lengths sensitive to the emission of heat.So the higher the heat of an area,the higher the intensity of the corresponding pixel of the image.Then the forest fire can be caracterize by intensity peak on that kind of images.We present a fully automatic method of forest fire detection in satellite images based on the random field theory.First we model the image by a realization of a Gaussian field.The fire areas which have high intensity and are supposed to be a minority are considered as foreign elements of that field :they are rare events.Then we determine by a statistical analysis a set of probabilities which caracterizes a degree of belonging to the Gaussian field of a small area of the image.By complementarity,we estimate the probability that this area is a potential fire.

Résumé

Le canal IRT (InfraRouge Thermique) contient des longueurs d'onde particulièrement sensibles à l'émission de chaleur. Les feux de forêt peuvent alors être caractérisés par des pics d'intensité sur des images IRT. Nous proposons une méthode automatique de détection des feux de forêt par imagerie satellitaire fondée sur la théorie des champs aléatoires. Pour ce faire,nous cherchons à modéliser dans un premier temps l'image par une réalisation d'un champ gaussien. Les zones de feux,minoritaires et de fortes intensités sont considérées comme des éléments étrangers à ce champ :ce sont des évènements rares. Ensuite,par une analyse statistique,nous déterminons un jeu de probabilités définissant,pour une zone donnée de l'image,un degré d'appartenance au champ gaussien,et par complémentarité aux zones potentiellement en feux.

Keywords: 

Gaussian field,rare event,cluster,DT-caracteristic,intensity peak.

Mots clés

Champ gaussien,évènement rare,cluster,DT-caractéristique,pic d'intensité.

1. Introduction
2. Champs Aléatoires
3. Prétraitements
4. Étude Statistique sur l'Aappartenance d'un «Cluster» à un Champ Gaussien
5. Résultats
6. Conclusion et Perspectives
  References

[Alder, 1981]  R.J. ALDER, The Geometry of Random Fields, Wiley, 1981. 

[Cocquerez et Philipp, 1995]  J.P. COCQUEREZ, S. PHILIPP, editors, Analyse d'images : filtrage et segmentation, Masson, 1995. 

[Flannigan et Haar, 1986]  M. FLANNIGAN, T. VONDER HAAR, «Forest fire monitoring using NOAA satellite AVHRR», Canadian Journal of Forest Research, 16: 975-982, 1996. 

[Friston et al., 1994]  K.J. FRISTON, K.J. WORSLEY, R.S.J FRACKOWIAK, J.C MAZZIOTTA, A.C. EVANS, «Assessing the significance of focal activations using their spatial extent», Hum. Brain Map., 1: 214-220, 1994. 

[Lafarge et al., 2004]  F. LAFARGE, X. DESCOMBES, J. ZERUBIA, Détection de feux de forêt par analyse statistique de la radiométrie d'images satellitaires, Rapport de recherche 5369, INRIA, France, Décembre 2004. 

[[Lafarge et al., 2005]  F. LAFARGE, X. DESCOMBES, J. ZERUBIA, Textural kernel for SVM classification in remote sensing : Application to forest fire detection and urban area extraction, In Proc. IEEE International Conference on Image Processing,G ênes, Septembre 2005. 

[Li et al., 2005]  Y. LI, A. VODACEK, R.L. KREMENS, A.E. ONONYE, C. TANG, A hybrid contextual approach to wildland fire detection using multispectral imagery, IEEE Trans. Geoscience and Remote Sensing, 43: 2115-2126, 2005.

[Nosko, 1969]  V.P. NOSKO, «Local structure of Gaussian random fields in the vicinity of high level shines», Soviet Mathematics: Doklady, 10: 1481-1484, 1969. 

[Poline et al., 1997]  J.-B. POLINE, K.J. WORSLEY, A.C. EVANS, K.J. FRISTON, «Combining spatial extent and peak intensity to test for activations in functional imaging», NeuroImage, 5: 83-96, 1997. [Pratt, 1991] W.K. PRATT, Digital Image Processing, Wiley, 1991. [Soille,2003]  P. SOILLE,Morphological Image Analysis,Springer-Verlag, 2nd edition, 2003. 

[Sprent, 1993]  P. SPRENT, Applied nonparametric statistical methods, Chapman and Hall, 1993. 

[Ugur Toreyin et al., 2005]  B. UGUR TOREYIN, Y. DEDEOGLU, A. ENIS CETIN, Wavelet based real-time smoke detection in video, In Proc. European Signal Processing Conference,Antalya,Turquie,septembre 2005. 

[Worsley et al., 1992] K.J. WORSLEY, S. MARRETT, P. NEELIN, A.C. EVANS, A three-dimensional statistical analysis for CBF activation studies in human brain, Journal of Cerebral Blood Flow and Metabolism, 12: 900-918, 1992. 

[Worsley, 1994]  K.J. WORSLEY, «Local maxima and the expected Euler characteristic of excursion sets of χ2, F and t fields», Advances in Applied Probability, 26: 13-42, 1994.