Classification texturale d’une image radar à synthèse d’ouverture dans une région volcanique : le cas de la région du mont Cameroun
Résumé
Le but de cette étude consiste à réaliser une classification des principales couvertures du sol dans la région du mont Cameroun, à partir d’une image radar à synthèse d’ouverture (RSO). Ne disposant que d’une seule image RSO sur cette région et étant donné qu’il est difficile d’extraire des informations d’une telle image à partir des seules données radiométriques, on a eu recours à l’analyse de texture pour atteindre l’objectif visé. Six paramètres de texture issus de la méthode des matrices de cooccurrence ont été utilisés à cette fin. Cinq classes ont d’abord été identifiées sur l’image de texture issue du paramètre de la moyenne. Ensuite, la corrélation a été calculée entre toutes les combinaisons possibles des paires de classes, pour chaque paramètre de texture, afin de déterminer les paramètres qui permettent mieux de distinguer les classes. Les trois meilleurs paramètres de texture ont été retenus et utilisés pour produire les cinq classes identifiées sur la zone d’étude. Cette étude comporte trois aspects novateurs. Le premier aspect concerne l’utilisation de la corrélation pour la sélection des paramètres de texture, contrairement à l’utilisation des critères généralement connus tels que la distance de Battacharrya et la divergence. La mise en œuvre de la corrélation est beaucoup plus simple que celle des méthodes classiques de sélection des paramètres et elle produit les mêmes résultats que ces méthodes. Le deuxième aspect novateur de cette étude concerne la détermination de la taille de fenêtre appropriée pour le calcul des paramètres de texture. Les tailles de fenêtre ont été déterminées de manière à produire la corrélation maximale pour chaque paramètre de texture choisi. Enfin, chaque classe a été extraite séparément de l’ensemble des images de texture choisies et les cinq classes ont été ensuite fusionnées pour produire l’image classifiée finale. Cette méthode permet une meilleure observation de chaque classe et un calcul aisé de sa superficie.
Abstract
The goal of this study is to realize a classification of the main soil covers in the Mount Cameroon region, from a SAR image. Considering that only one SAR image was available on this area and that it is very difficult to extract informations from radiometric data stemming from SAR images, one has resorted to the use of the textural analysis to reach the targeted goal. Six textural parameters stemming from the grey levels co-occurrence matrixes method have been used for this end. Firstly, five classes have been identified on the textural image stemming from the mean parameter. Afterwards, the correlation was calculated among all the possible pair of classes combinations, for each textural parameter, in order to determine the parameters which allow a better discrimination of classes. The best three textural parameters were retained and used to produce the five classes identified in the area study. This study has three innovative aspects. The first aspect concerns the utilization of the correlation product for the selection of the textural parameters, contrary to the utilization of the generally known criteria like the Battacharrya distance and the divergence. The implementation of the correlation product is much easier than that of the classical methods of parameters selection, and it produces the same results as these methods. The second innovative aspect of this study concerns the determination of the appropriated size of window for the calculation of the textural parameters. The windows sizes were determined in a manner to produce the maximal correlation product for each chosen textural parameter. At last, each class was extracted separately from the set of the chosen textural images, and the five classes were then merged to produce the final classified image. This method allows a better observation of each class and an easy calculation of its area.
Lire l’article

PDF de 14 pages, tel qu’imprimé dans la revue, pages 187 à 200. En libre accès.
Pas encore de consultation enregistrée.