Cartographie forestière des régions de Maâmora (Maroc) et de Matagami (Québec) par classification contextuelle basée sur les champs markoviens
Résumé
Dans cet article, on utilise une méthode de segmentation contextuelle basée sur les champs markoviens pour traiter des images de télédétection présentant des zones forestières et l'on évalue son efficacité pour une exploitation cartographique automatisée.
La modélisation de l'image par des champs markoviens ou champs de Gibbs permet de prendre en compte les relations de voisinage entre pixels et donc de définir le caractère homogène des régions de l'image. La distribution de probabilité du champ des classes se déduit au moyen d'une fonction d'énergie, dont la forme n'est pas connue a priori. Dans cet article, plusieurs fonctions d'énergie sont comparées, incluant aussi un modèle de contours. La segmentation de l'image elle-même est faite par l’algorithme ICM (Iterative Conditional Mode) de Besag avec deux versions, l'une classique, l'autre intégrant une décomposition pyramidale de l'image.
L'application en est faite sur une image HRV(XS) de SPOT de la zone de Maâmora au Maroc, comprenant des eucalyptus jeunes, des eucalyptus âgés, du chêne-liège et du sol nu, ainsi que sur une image mutrispectrale TM de Landsat de la zone de Matagami au Québec, composée de conifères, feuillus, marécages et coupe totale. Les caractéristiques cartographi-ques des deux zones sont parfaitement connues. Une comparaison avec les méthodes classiques de la classification par maximum de vraisemblance et ISODATA montre une amélioration de la classification, tant du point de vue homogénéité des régions, qu’en termes de diminution du taux d’erreur.
Abstract
In this article, one uses a method of contextual segmentation based on markoviens fields to treat images of remote detection presenting forested zones and one estimates its efficiency for an automated cartographic exploitation. The modelling of the image by markoviens fields or Gibbs's fields allows to take into account the relations of neighborhood between pixels and so to define the homogeneous character of the regions of the image. The distribution of probability of the field of the classes deducts by means of one Function of energy, for which the shape is not known a priori. In this article, several functions of energy are compared, including also a model of outlines. The segmentation of the image itself is done by the algorithm ICM (Iterative Conditional Mode) of Besag with two versions, the one classical author, the other one integrating a pyramidal decomposition of the image. The application is made it on an image HRV (XS) of SPOTLIGHT of Maâmora's zone in Morocco, including eucalyptus young people, eucalyptus old, of the cork oak and the bare ground, as well as on an image total cup mutrispectrale LANDSAT'S TM of Matagami's zone in Quebec, consisted of conifers, broad-leaved trees, swamps and. The cartographic characteristics of both zones are perfectly known. A comparison with the classic methods of the classification by maximum of Credibility and ISODATA shows an improvement of the classification, so much point of view homogeneity of regions, that in terms of decrease of the rate of error.
Lire l’article

PDF de 26 pages, tel qu’imprimé dans la revue, pages 259 à 284. En libre accès.
Pas encore de consultation enregistrée.