Conclusion générale
169
ces dernières, une segmentation des pixels de l’image est réalisée en introduisant la composante
de la forme et de la texture.
La classification basée sur ce nouveau modèle OBIA-CNN a montré une plus grande
pertinence par rapport au modèle de Machine Learning, et pourrait être reproduite par une variété
d'utilisateurs impliqués dans les questions côtières. La surveillance des côtes par des techniques
de classification supervisée basées sur ce modèle intégré pourrait optimiser de manière
significative le temps et les coûts des méthodes traditionnelles, et réduire la composante subjective
de la numérisation manuelle des traits de côte à partir des images. En outre, de nombreux domaines
de recherche pourraient bénéficier de cette extraction améliorée du trait de côte, tels que
l'évaluation de la vulnérabilité des côtes, l'estimation des taux d'érosion, le développement des
modèles numériques hydrodynamiques, l'analyse des risques environnementaux, la planification
spatiale du domaine marin, la gestion des côtes et l'ingénierie. Il faut noter que les résultats ont été
obtenus sur une côte microtidale, avec des conditions de marée insignifiantes.
Selon les résultats obtenus, cette étude offre aux gestionnaires côtiers une méthode fiable
d’une bonne compatibilité avec les données de vérification au sol. La méthode pourrait
éventuellement être reproductible pour évaluer la dynamique côtière.
Une interface graphique pourrait ensuite être développée pour le modèle qui pourrait aussi
s’intégrer à un logiciel de traitement d’image, afin de permettre des opérations interactives
autorisant à améliorer éventuellement les résultats. Nous allons également poursuivre nos travaux
afin d’utiliser le modèle CNN-OBIA pour détecter et extraire d’autres informations thématiques
(Végétation spécifique, zone humide, etc.). Nous voulons étudier comment utiliser les
informations fournies par un modèle de CNN afin de définir des critères de segmentation. Nous
envisageons également d’autres utilisations, par exemple lors d’une phase de pré-segmentation
pour distinguer les zones d’intérêt ou lors d’une phase de post-segmentation pour supprimer les
objets que nous pouvons considérer comme du bruit.
Un modèle numérique Mike-21 a été créé lors de ce travail afin de traiter la variable
hydrodynamique dans le système de la vulnérabilité, cependant nous ne l’avons pas abordé d’une
façon détaillée et exhaustive en raison de l’orientation de la thèse, et aussi du contexte de
l’indisponibilité des données fiables, actuelles et de bonnes résolutions. Nous recommandons
169
ces dernières, une segmentation des pixels de l’image est réalisée en introduisant la composante
de la forme et de la texture.
La classification basée sur ce nouveau modèle OBIA-CNN a montré une plus grande
pertinence par rapport au modèle de Machine Learning, et pourrait être reproduite par une variété
d'utilisateurs impliqués dans les questions côtières. La surveillance des côtes par des techniques
de classification supervisée basées sur ce modèle intégré pourrait optimiser de manière
significative le temps et les coûts des méthodes traditionnelles, et réduire la composante subjective
de la numérisation manuelle des traits de côte à partir des images. En outre, de nombreux domaines
de recherche pourraient bénéficier de cette extraction améliorée du trait de côte, tels que
l'évaluation de la vulnérabilité des côtes, l'estimation des taux d'érosion, le développement des
modèles numériques hydrodynamiques, l'analyse des risques environnementaux, la planification
spatiale du domaine marin, la gestion des côtes et l'ingénierie. Il faut noter que les résultats ont été
obtenus sur une côte microtidale, avec des conditions de marée insignifiantes.
Selon les résultats obtenus, cette étude offre aux gestionnaires côtiers une méthode fiable
d’une bonne compatibilité avec les données de vérification au sol. La méthode pourrait
éventuellement être reproductible pour évaluer la dynamique côtière.
Une interface graphique pourrait ensuite être développée pour le modèle qui pourrait aussi
s’intégrer à un logiciel de traitement d’image, afin de permettre des opérations interactives
autorisant à améliorer éventuellement les résultats. Nous allons également poursuivre nos travaux
afin d’utiliser le modèle CNN-OBIA pour détecter et extraire d’autres informations thématiques
(Végétation spécifique, zone humide, etc.). Nous voulons étudier comment utiliser les
informations fournies par un modèle de CNN afin de définir des critères de segmentation. Nous
envisageons également d’autres utilisations, par exemple lors d’une phase de pré-segmentation
pour distinguer les zones d’intérêt ou lors d’une phase de post-segmentation pour supprimer les
objets que nous pouvons considérer comme du bruit.
Un modèle numérique Mike-21 a été créé lors de ce travail afin de traiter la variable
hydrodynamique dans le système de la vulnérabilité, cependant nous ne l’avons pas abordé d’une
façon détaillée et exhaustive en raison de l’orientation de la thèse, et aussi du contexte de
l’indisponibilité des données fiables, actuelles et de bonnes résolutions. Nous recommandons