éditions des archives contemporaines

Nouvel algorithme d'évaluation de texture d'ordre n sur la classification de la région volcanique du Mont Cameroun

Paramètres de texture et occupation du sol
Narcisse TALLA TANKAM, Emmanuel TONYÉ et Charly DZEPA
DOI—
Pages227–244
Paru le30 octobre 2005
Citer Lire en PDF · 18 p.

Résumé

Plusieurs chercheurs ont démontré que les données de texture augmentent la précision d’une classification lorsqu’elles sont combinées à l’information de niveaux de gris. Cependant, le calcul des paramètres de texture d’ordre 2 implique souvent des temps de calcul très longs. Le problème est encore plus complexe lorsqu’il faut calculer les paramètres de texture d’ordre supérieur, qui cependant peuvent apporter des améliorations considérables sur la précision d’une classification. Ce travail s’appuie sur les méthodes statistiques d’ordre deux pour le calcul des paramètres de texture d’image initialement mises sur pied par Kourgli et Belhadj-Aissa (1999) et sur les travaux de Akono et al. (2003) sur les méthodes statistiques d’évaluation des paramètres de texture d’ordre trois. On propose une nouvelle méthode de calcul des paramètres de texture beaucoup plus générale, qui ne se limite plus seulement à l’ordre deux ou trois, mais qui va jusqu’à l’ordre n ³ 2, tout en restant applicable aux ordres deux et trois.
Le principe de cette étude consiste à ramener le calcul d’une n-sommation du type a0 = 0L – 1 a1 = 0L – 1 a2 = 0L – 1 … an = 0L – 1 Y (a0, a1, a2, …, an–1), généralement utilisée dans les formules d’évaluation des paramètres de texture, en une simple sommation du type i = 0L – 1 c(i). Y est fonction de la matrice de fréquence (matrice de co-occurrence dans le cas de l’ordre deux) des n-uplets de niveau de gris dans une fenêtre de l’image. À l’issue de cette transformation, un gain considérable a été obtenu aussi bien en temps qu’en espace mémoire de l’ordinateur. Cette méthode produit exactement le même résultat que la formulation classique, mais un gain spatio-temporel croissant avec l’ordre n du paramètre est obtenu.
Cette méthode a été développée et testée successivement à l’ordre deux, à l’ordre trois, à l’ordre quatre et à l’ordre cinq avec deux images radar à synthèse d’ouverture (RSO) de ERS-1 et de ERS-2, de taille 986 ´ 1 390 pixels, sur un ordinateur ayant une mémoire vive de 352 mégaoctets et un processeur Pentium de 2,4 gigahertz de vitesse. Les résultats obtenus montrent que, pour l’évaluation du paramètre de texture somme d’ordre deux, en considérant une fenêtre de l’image de taille 7 ´ 7, la nouvelle méthode de calcul est 10 fois plus rapide que la méthode classique de calcul des matrices de co-occurrence des niveaux de gris. À l’ordre trois, elle est 19 fois plus rapide et à l’ordre quatre, elle est 12 000 fois plus rapide.
La méthodologie mise en œuvre a permis de faire une étude comparative de classification de l’occupation du sol dans la région volcanique du mont Cameroun, entre 1998 et l’an 2003. En effet, le paramètre de texture somme aux ordres deux, trois, quatre et cinq a été appliqué sur deux images RSO de cette région, l’une de ERS-1 acquise le 07 novembre 1998 et l’autre de ERS-2, acquise le 15 mars 2003. La comparaison des surfaces d’occupation du sol sur la zone d’étude s’est faite à partir d’une classification non dirigée réalisée sur l’image de texture et à partir de courbes de texture caractérisant ces surfaces. L’augmentation de l’étendue des coulées de lave due aux éruptions de 1999 et de l’an 2000 a été mise en évidence.

Mots clés
Texturematrice de fréquenceclassification ISODATAcourbe de textureimage RSO

Abstract

Many researchers have demonstrated that textural data increase the precision of a classification when they are combined with grey level information. However, the calculation of textural parameters of order two is often too long by a computer. The problem is more complex when one must compute higher order textural parameters, which however can considerably improve classification precision. This work is based on statistical methods of order two for the calculation of textural parameters initially developed by Kourgli and Belhadj-Aissa (1999), and on the works of Akono et al. (2003) on statistical methods for the evaluation of textural parameters of order three. In this work, we suggest a new method of calculation for textural parameters, which is more general, not limiting itself only to orders two or three, but up to order n ³ 2, while still remaining applicable to orders two and three. The principle of this study consists in reducing the calculation of a n-summation of type a0 = 0L – 1 a1 = 0L – 1 a2 = 0L – 1 … an = 0L – 1 Y (a0, a1, a2, …, an–1), generally utilized in the evaluation of textural parameters, to a simple summation of type i = 0L – 1 c(i). Y is a function depending on the matrix frequency (co-occurrence matrix in the case of order two) of the n-uplets of grey levels in an image window. After this transformation, a considerable gain in time and in memory space of the computer was obtained. This method produces exactly the same result as the classical method, but with a spatial and a temporal gain increasing with the order of the textural parameter.
This method was developed and tested successively at orders two, three, four and five with two ERS-1 and ERS-2 synthetic aperture radar (SAR) images, 986 ´ 1 390 pixels in size, on a computer with a random access memory (RAM) of 352 megabytes and a Pentium processor with 2,4 gigahertz of speed. The results obtained show that, for the evaluation of the “summation” textural parameter of order two, considering an image window size of 7 ´ 7, the new calculation method is ten times faster than the classical method for computing the co-occurrence matrix of grey levels. At order three, the new method is nineteen times faster and at order four, it is a twelve thousands times faster. The methodology developed permitted the implementation of a classification comparative study of the ground occupation in the volcanic area of mount Cameroon, between the years 1998 and 2003. In fact the “summation” textural parameter at orders two, three, four and five was applied to the two SAR images of the study region. The comparison of the ground occupation areas on the study site was done using a non supervised classification realized on the textural image and based on textural curves characterizing these areas. The increase in the area of the lava flows due to the 1999 and 2000 eruptions was put in evidence.

Keywords
Texturematrix of frequencyISODATA classificationtexture curveSAR image

Lire l’article

Première page

PDF de 18 pages, tel qu’imprimé dans la revue, pages 227 à 244. En libre accès.

Pas encore de consultation enregistrée.