éditions des archives contemporaines

Approche de classification par réseaux de Kohonen pour établir des cartes d'occupation du sol de la région d'Oran (Algérie)

MAHI Habib et ISABATEN Hadria.
DOI—
Pages361–372
Paru le26 juin 2003
Citer Lire en PDF · 12 p.

Résumé

Dans le processus d’élaboration des cartes d’occupation du sol à partir des images satellitaires, on constate souvent l’insuffisance des résultats obtenus par les méthodes de classification classiques basées sur des critères de ressemblance spectraux ou texturaux. Ces méthodes présentent une limite certaine lorsqu’il s’agit de situations complexes : topographie accidentée, confusion de thèmes et ombrage. De plus, la perspective d’utilisation de données exogènes se heurte à la difficulté d’intégration de celles obéissant à des lois de distribution différentes. Afin de pallier ces lacunes, une approche basée sur les réseaux de neurones et utilisant les cartes topologiques de Kohonen a été élaborée. Ces cartes présentent une nouvelle stratégie de classification utilisant un principe de compétition et de coopération pouvant remédier aux aléas liés aux classifications classiques. Le travail réalisé consiste à utiliser les cartes topologiques de Kohonen pour réaliser une classification sur des images TM de Landsat de la région d’Oran, prise comme zone test, pour la variété des thèmes en présence (eau, forêt, céréaliculture, zones urbaines, etc.) et son relief relativement accidenté.
L’apprentissage du réseau est conçu à partir d’un échantillonnage aléatoire ou systématique aléatoire. Après la phase de généralisation, la calibration sert à préciser, pour chaque thème de l’image de classes, un intervalle de radiométrie dans les bandes spectrales utilisées, pour un étiquetage des neurones de la couche de sortie.
Enfin, l’intégration d’une donnée dérivée du modèle numérique d’altitude, la pente, sert à lever certaines confusions parmi celles observées lors de la classification basée uniquement sur les données spectrales, notamment entre les zones d’ombre et l’eau, ainsi qu’entre les zones urbaines et la sebkha. L’image classifiée ainsi obtenue sert à élaborer la carte d’occupation du sol de la région d’Oran-Ouest.

Mots clés
Classificationimages satellitairesréseau de neuronescarte organisatrice de Kohonendonnées exogènes

Abstract

It is often noticed when mapping the land cover from satellite images, that there is a lack of results obtained by classical methods of classification. In general, the last ones provide a data analysis by grouping the pixels into classes, according to the similarity and resemblance criterions spectral or textural presenting a certain limit, especially in complex situations ; particularly in the case of a variable topography of the region of study. In addition, the prospects use of an exogenic data is faced by the difficulty of the noisy data integration obeying to different distribution laws. In order to mitigate these gaps, an approach based on the neural networks and using the Kohonen’s topological maps is set. The Kohonen’s topological maps provide a new strategy of classification using a competition and co-operation principal being able to cure the risks related to the classical classification.
First, the task consists of implementing this algorithm to set up a classification on Landsat TM images in the region of Oran related as a test zone due to its various themes (sea, forest, urban, etc.), its relatively variable relief. The network will be designed from a random sampling or a random systematic. Once the generalization step is achieved, the calibration will serve again to precise, for each topic of the image classes, a radiometric interval in the different spectral bands. This allows a “libelisation” of the neurons of the output layer. Finally, the integration of the derived data of the DTM (Digital Terrain Model), in fact the slope, will serve to raise the confusion among those observed when the classification was based only on the radiometric data, in particular between shadow and sea and between the urban zones and the sebkha. Whenever the classified image is made, it will be used to make the land cover map of the west area of Oran.

Keywords
ClassificationSatellite ImagesNeural NetworksExogenic DataKohonen’s organizing map

Lire l’article

Première page

PDF de 12 pages, tel qu’imprimé dans la revue, pages 361 à 372. En libre accès.

Pas encore de consultation enregistrée.