Photo-interprétation et Télédétection

Dimension: px

Commencer à balayer dès la page:

Download "Photo-interprétation et Télédétection"

Marc-Antoine Beaudet
il y a 8 ans
Total affichages :

1 Photo-interprétation et Télédétection L3 CM5 GO 651 Caen 2007 Anne PUISSANT Sommaire 1. Introduction 2. Principes fondamentaux de la télédétection 3. Spécificités des PA 4. Spécificités des images satellites 5. Pré-traitements (suite) Rehaussement Création de néo-canaux Génération de masque 2 1

Principes fondamentaux de la télédétection 3. Spécificités des PA 4.

2 5. Prétraitements d images - Rehaussement - Création de néocanaux - Génération de masque 3 Objectifs du rehaussement Deux logiques : logique purement visuelle logique «scientifique» de mise en relief ou de gommage des éléments pertinents en fonction de la problématique Deux types de rehaussement : «radiométrique» appelé rehaussement de contraste «géométrique» appelé filtrage spatial 4 2

mise en relief ou de gommage des éléments pertinents en fonction de la problématique Deux types

3 Rehaussement de contraste : principe L histogramme : 5 Rehaussement de contraste : principe Anamorphose d histogramme = l ensemble des transformations d histogrammes construites à partir du contraste* et de la luminosité** *contraste = dynamique de l image **luminosité = position de l histogramme dans l échelle des tons de gris 6 3

construites à partir du contraste* et de la luminosité** *contraste = dynamique de

4 Rehaussement de contraste Anamorphose d histogramme Courbe de transfert : 7 Rehaussement de contraste Type de transformations sur un histogramme Transformation linéaire ou restitution en équidensité Transformation exponentielle (tons clairs) Transformation empirique (tons sombres) Transformation par portions linéaires successives (étalement tons médians) Régis et Calloz,

équidensité Transformation exponentielle (tons clairs) Transformation empirique (tons sombres)

5 Rehaussement de contraste - exemples = image non-contrastée ETM+ canal 4 (PIR) 9 Rehaussement de contraste - exemples = étirement linéaire (2%) ETM+ canal 4 (PIR) 10 5

6 Rehaussement de contraste - exemples = étirement gaussien ETM+ canal 4 (PIR) 11 Rehaussement de contraste - exemples = étirement par égalisation ETM+ canal 4 (PIR) 12 6

7 Rehaussement de contraste - exemples = étirement racine carrée ETM+ canal 4 (PIR) Prétraitements d images - Rehaussement - Création de néocanaux - Génération de masque 14 7

13 5. Prétraitements d images - Rehaussement

8 Créations de néocanaux Les indices de végétation 15 Créations de néocanaux Les indices de végétation Rapport simple de canaux = Ratio RS = PIR / R Indice de la différence normalisée de la végétation NDVI = PIR R PIR + R Indice de brillance = IB IB = PIR 2 + R

Ratio RS = PIR / R Indice de la différence normalisée de la

9 Créations de néocanaux Les indices de végétation NDVI uniquement 17 Créations de néocanaux Les indices de végétation autres combinaisons = création de bandes mathématiques = formule générique 18 9

création de bandes mathématiques = formule

10 Créations de néocanaux Les indices de végétation IB = Sqrt(float(b1)^2+float(b2)^2) 19 Créations de néocanaux Exercice : A partir de l'image de ETM+ de Strasbourg et de l'image SPOT de BMSM (2003) : NDVI Indice de brillance = IB 20 10

Exercice : A partir de l'image de ETM+ de Strasbourg et de

11 5. Prétraitements d images - Rehaussement - Création de néocanaux - Génération de masque 21 Génération de masques Objectifs Masquer certaines zones car inutiles ou confusions avec les zones "utiles" Éliminer les pixels "parasites" susceptibles de créer des confusions dans une classification 22 11

zones car inutiles ou confusions avec les zones "utiles" Éliminer les

12 Génération de masques Masque = image binaire constituée de pixels de valeurs = 1 ou 0 Création de masque à partir de : - valeurs radiométriques spécifiques - de classes de valeurs - de régions d'intérêt (ROI) - de fichier vectoriel (.shp) 23 Génération de masques En 2 étapes : Élaboration du masque 24 12

spécifiques - de classes de valeurs - de régions d'intérêt (ROI) - de

13 Génération de masques Élaboration du masque = masque géographique = masque thématique 25 Génération de masques Élaboration du masque = masque thématique = masque géographique 26 13

= masque thématique = masque géographique 26

14 Génération de masques Application du masque 27 Génération de masques Application du masque = masque géographique 28 14

15 Génération de masques Application du masque = masque thématique 29 Génération de masques Exercice 1 : A partir de l'image Spot Zone 3 Villerville : créer un masque géographique à partir de la limite communale de Villerville (fichier.shp) => 4 étapes : - Importer le fichier.shp => vector > open vector file - Sélectionner le projection (Geotiff conforme conic) et afficher le fichier sur l'image - File > build mask > import vector file - File > apply mask 30 15

(fichier.shp) => 4 étapes : - Importer le fichier.

16 Génération de masques Exercice 2 : A partir de l'image Spot Zone 3 Villerville : (1) créer un masque géographique sur la mer en créant un ROI => 3 étapes : - créer un ROI => 'mer' - File > build mask > import ROI - File > apply mask (2) créer un masque géographique sur la côte sur la base du même ROI 'mer' => selected areas 'off' 31 Génération de masques Exercice 3 : A partir de l'image Spot Zone 3 Villerville - NDVI (1) créer un masque thématique des zones boisées => 4 étapes : - Repérer l'intervalle de valeurs correspondant à des zones boisées - File > build mask > import band data range - File > apply mask 32 16

selected areas 'off' 31 Génération de masques Exercice 3 : A partir de l'image Spot Zone 3 Villerville - NDVI (1) créer un masque thématique des zones

Documents pareils

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.