Évaluation de la méthode des histogrammes de la somme et de la différence par classification neuronale : application aux images de HRV(XS) de Spot.
Résumé
Les méthodes de classification des images de télédétection les plus fréquemment utilisées n’introduisent que des informations d’ordre spectral et, dans les résultats obtenus par ces méthodes, se pose souvent le problème des confusions entre les différentes classes thématiques. Cela vient du fait que la réponse spectrale d’un objet n’est pas toujours une caractéristique suffisante. L’objectif de cet article est de montrer tant l’apport d’intégration des informations texturales afin d’améliorer les résultats obtenus par les classificateurs purement spectraux que d’évaluer la méthode de caractérisation de texture de l’algorithme SDH (histogrammes de la somme et de la différence) par rapport à celle de la matrice de cooccurrence. Pour cela, un classificateur neuronal de type perceptron multicouche a été choisi pour les différentes approches traitées à l’aide des images multibandes de HRV(XS) de SPOT de haute résolution spatiale de la région d’Oran, en Algérie. Les résultats montrent bien l’amélioration du taux de bonne classification obtenu dans le cas de l’intégration de paramètres texturaux (92,9 % pour la méthode de la matrice de cooccurrence et 94,6 % pour la méthode de l’algorithme SDH) par rapport à la classification spectrale (88,4 %). Cette amélioration est plus importante dans le cas de la méthode de l’algorithme SDH qui présente, en plus, de bonnes performances en matière de mémoire informatique utilisée et de temps de calcul
Abstract
The most widely used methods for the classification of remote sensing images introduce only information of a spectral nature and hence the results obtained by these methods often present problems of confusion between the different thematic classes. This is due to the fact that the spectral response of an object is not always a sufficient characteristic. The objective of this work is to show, on the one hand, the contribution of textural information integration in order to improve the results obtained by classifiers using only spectral information and, on the other hand, to evaluate the method of characterization of SDH texture (sum and difference histograms) in relation to the one of the co- occurrence matrix. For this, a multilayer perceptron type neuronal classifier has been chosen for the different approaches processed using high resolution SPOT-XS multispectral images over the Oran region, in Algeria. The results show an improvement of the correct classification rate obtained in the case of the textural parameter integration (92,9 % for the co-occurrence matrix and 94,6% for the SDH algorithm) in relation to the spectral classification (88,4 %). This improvement is more important in the case of the SDH method, which presents, in addition, good performance in terms of memory and computing time
Lire l’article

PDF de 14 pages, tel qu’imprimé dans la revue, pages 263 à 275. En libre accès.
Pas encore de consultation enregistrée.