Youcef SMARA, Nadia OUARAB, Sihem LAAMA et Dalila CHERIFI, Algérie. Mots clés: fusion, classification floue, images multisources, zones urbaines.

Transcription

1 Technques de fuson et de classfcaton floue d mages satelltares multsources pour la caractérsaton et le suv de l extenson du tssu urban de la régon d Alger (Algére) Youcef SMARA, Nada OARAB, Shem LAAMA et Dalla CHERIFI, Algére Mots clés: fuson, classfcaton floue, mages multsources, zones urbanes SMMARY Ths paper hghlghts advantages of usng radar SAR data combned wth multspectral data to mprove vegetal cover assessment and montorng n a sem ard regon of southern Algera In effect, we present a number of pre-processng and processng technques usng multdate optcal data analyss alone and SAR ERS-1 and Landsat TM data ntegraton due to aspects of radar mage enhancement technques and the resttuton of roughness of dfferent types of vegetaton n steppc regons Image data ntegraton has become a valuable approach to ntegrate multsource satellte data It has been found that mage data from dfferent spectral domans (vsble, near nfrared, mcrowave) provdes data sets wth complementarty nformaton content and can be used to mprove the spatal résoluton of satellte magesin ths communcaton, we present a part of the cooperaton research proect whch deals wth fusng ERS-1 SAR geocoded mages wth Landsat TM, nvestgatng dfferent combnatons of ntegraton and classfcaton technques The methodology conssts of several steps whch are: Speckle nose reducton by comparatve performance of dfferent flterng algorthms Several flterng algorthms were mplemented and tested wth dfferent wndow szes, teratons and parameters Geometrc superposton and geocodng of optcal mages regardng GEC type SAR ERS-1 mage avalable and resamplng at unque resoluton of 25 m Applcaton of dfferent numercal conbnatons of ntegraton technques and unsupervsed classfcatons such as the Forgy method, the MacQueen method and other methods The results are compared wth vegetal cover mappng from aeral photographs of the regon of Foum Redad n the south of the saharan Atlas The combnatons proposed above allow us n a color composte mage to dstngush dfferent themes exstng n the ard and sem-ard regons n the south of the saharan Atlas and show a good correlaton between dfferent types of land cover and land use and radar backscatterng level n the SAR data whch corresponds essentally to the roughness of the sol surface Keywords: Speckle flterng, unsupervsed classfcaton, Data fuson, Geocoddng, Coregstraton, sem-ard areas, Image processng, steppc areas, IHS transform 1/15

2 Technques de fuson et de classfcaton floue d mages satelltares multsources pour la caractérsaton et le suv de l extenson du tssu urban de la régon d Alger (Algére) Youcef SMARA, Nada OARAB, Shem LAAMA et Dalla CHERIFI, Algére 1 INTRODCTION La partcularté du phénomène d'extenson du tssu urban, tel que celu de la régon du grand Alger, est qu'l ne procède pas d'un mécansme de "tache d'hule" qu s'étendrat peu à peu, mas beaucoup plus d'un processus de remplssage sporadque, par essamage de constructons tant dans les nterstces de l'espace urban déà édfé que dans les espaces pérurbans Ben que la crossance des vlles est consdérée comme un ndcatf du développement de l'ndustralsaton, celle-c s'effectue souvent aux détrment des terres agrcoles ou des forêts productves envahes par ces rrésstbles poussées d'urbansaton et elle a généralement un mpact négatf sur la santé envronnementale d'une régon Avec des analyses multtemporelles, la télédétecton offre une perspectve unque sur la façon dont les vlles se développent La télédétecton satelltare est adaptée à cette utlsaton par le smple fat qu'elle permet de comparer très faclement l'état d'un même leu à deux dates dfférentes à partr de deux mages prses à des époques dfférentes La détecton et la cartographe des changements d'utlsaton du sol dovent satsfare deux exgences: une haute résoluton spatale afn d'obtenr des nformatons détallées, et des données multspectrales optques afn de fare la dstncton entre les dfférentes classes d'utlsaton du sol Les détecteurs opératonnels dans les zones vsble et nfrarouge du spectre sont les sources de données les plus utles pour l'analyse de la couverture et de l'utlsaton du sol Les capteurs radars sont également utles pour le tracé des applcatons rurales et urbanes grâce à leur sensblté aux formes géométrques qu permet de détecter les éléments anthropogénques comme les édfces Dans cette communcaton, nous présentons des technques de fuson et de classfcaton floue d mages multsources optques et radar La méthodologe développée se base sur un processus comprenant dfférentes phases dont la premère concerne les prétratements de toutes les données mses en eu (superposton géométrque, réducton du speckle dans les mages radar SAR, etc) La deuxème étape consste a effectuer une classfcaton de type flou non supervsé dont Le prncpe consste à trouver une partton de l mage caractérsée par une matrce de partton qu caractérse le degré d appartenance d un pxel x à une classe C Cette approche floue FCM (Fuzzy C-Means) a été étudée et mse en œuvre pour une melleure classfcaton sur le plan thématque Cette classfcaton a été applquée, d une part, sur les mages optques seules et radar seules et d autre part, sur l ensemble des données optques et radar d une même date et ce dans le but de comparer les deux approches Dans le cas où les radar et les données sont classfées séparément, nous les fasons suvre d un processus de fuson qu ntégrera les résultats des deux classfcatonsz et donnera une affectaton plus approprée des pxels basée sur les caractérstques spectraux (optques) et géométrques (radar) 2/15

3 Les résultats prélmnares sont ntéressants et encourageants dans la mesure où l mage radar permet d avor une haute résoluton ans qu une nformaton sur la noton de rugosté qu nous permet de dstnguer par exemple la végétaton basse et les forets et les mages optques de haute ou de moyenne résoluton 2 METHODOLOGIE ADOPTEE La méthodologe du processus classfcatore que nous proposons repose sur la théore de la logque floue et comporte les étapes suvantes: Prétratement des données pour la fuson: consste à corrgé géométrquement l mage SPOT par rapport à l mage RSO permettant de travaller dans un même référentel, et à fltrer l mage RSO pour rédure le brut du chatoement ne classfcaton non supervsée sur l ensemble des mages( SPOT, RSO ), et sur chacune des mages utlsées permettant d dentfer des zones d apprentssages qu seront utlsées lors de l applcaton de la fuson 21 Prétratement des données pour la fuson 211 Correcton géométrque de l mage SPOT par rapport à l mage RSO ne correcton mage-mage est utlsée afn de rendre les mages d Alger superposables entre elles Pour le chox du référentel, nous avons sélectonné l mage RSO d ERS-1 qu date du comme référence Pour le modèle de déformaton que nous avons utlsé dans notre traval est le modèle polynomal d ordre 1 et pour le reéchantllonage radométrque nous avons utlsé le fltre nterpolateur blnéare L erreur des mondres carrés obtenue lors de la correcton des mages est donnée dans le tableau 1: Images Nombre de ponts Erreur des mondres Talle (Pxel) d appu carrés Pan , x1250 XS , x 625 Tableau 1: Talle des mages avant correcton géométrque 212 Fltrage de l mage RSO Le radar mageur est un système d magere cohérent où chaque élément, se comporte comme une source émettant une onde, elle-même cohérente qu peut nterférer en tout pont dans l espace, dans le cas où l nterférence serat constructve on obtent une tache brllante, sombre dans le cas contrare Cet effet est appelé speckle Sa réducton par un fltre peut être satsfate par dfférentes méthodes, entre autres la technque de la mult-vues (pendant la formaton de l mage) En pratque le fltrage s avère nécessare afn de rédure l effet du speckle, pour assurer une melleure nterprétaton Plus partculèrement les fltres adaptatfs qu présente relatvement une melleure qualté 3/15

4 nous avons testé quatre fltres (dsponbles) En utlsant le logcel ENVI 32 à savor: Le fltre de Lee Le fltre de Frost Le fltre de Gamma Le fltre de Kuan Le fltre de Gamma, avec un ndce de speckle optmal, semble être le fltre le plus adéquat pour la sute de nos travaux Fg1: Fg 2: Fg 3: Fg 4: Image RSO Image RSO Image RSO Image RSO fltrée par Lee Fltrée par Frost Fltrée par Gamma Fltrée par Kuan 22 Classfcaton des mages satelltares La classfcaton mult-spectrale est une des technques de tratement et l extracton d nformatons à partr d mages satelltares utlsées En effet, elle permet l obtenton d une carte thématque représentatve de l état de surface des sols Elle regroupe les obets en classes et un autre crtère de ressemblance qu gère les affectatons des obets aux classes et un autre crtère de décson qu permet l attrbuton d un obet à une classe donnée Dans le cadre de cette étude, on s ntéressera partculèrement à la classfcaton floue Fuzzy-C-Means, dont l avantage maeur est la prse en consdératon des pxels mxtes, c est à dre appartenant à pluseurs classes 221 Méthode FCM La méthode FCM consste à trouver l appartenance exacte d un pxel donné à une classe Au départ, à chaque pxel est assgné une valeur qu représente son degré d appartenance dans chaque classe Ce degré vare entre 0 et 1 (Wang, 1990) et (Lebart, 1997): c est la fuzzyfcaton On applque la règle floue chose, cette règle gère la défuzzyfcaton du système en affectant chaque pxel à une seule classe à savor celle dont l a le plus grand degré d appartenance Le prncpe consste à trouver une partton de l mage caractérsée par une matrce de partton qu caractérse le degré d appartenance d un pxel x à une classe C 4/15

5 Sot la matrce donnée par: 5/15 = P P C1 C2 ( x1 ) PC ( xn ) 1 ( x ) P ( x ) 1 P Cn 1 C2 ( x ) P ( x ) Où: PC ( x ) : degré d appartenance du pxel x à la classe Avec la condton: Cn n P ( x ) 1 et ( x ) = 1 0 C PC = 1 Cette matrce nterprète la fuzzyfcaton du système et fourne les données à l étape suvante Cette étape consttue l établssement des règles qu servront par la sute à la défuzzyfcaton de la matrce Celle-c consste à trouver une partton stable de l mage en affectant chaque pxel dans une seule classe Chaque pxel est caractérsé par son nveau de grs Le nombre de classes est chos par l opérateur Pour parttonner l mage, l faut mnmser le crtère de la somme des dstance ntra-classes généralsée au cas flou et donné par la formule suvante: J N m 2 ( ) d ( x, C ) = C = 1 = 1 sous la contrante suvante: C = 1 = 1 [0, N ] n n C Où: - m ]1, + ] est un paramètre qu caractérse le degré du flou, - C: représente le nombre de classes, - N: représente le nombre de pxels à classfer, - C est le vecteur caractérstque du centre de gravté de la classe d ndce 2 - d (, ) x C caractérse la dstance entre un pxel 222 Algorthme de parttonement (F CM) x et le centre de gravté de la classe Avant d exécuter l algorthme, on fxe le nombre de classes C et le degré de flou m Pour mnmser [J] on procède par deux étapes: Dans un premer temps, nous mnmsons J par rapport aux centres ne fos les centres étant fxés, nous mnmsons J par rapport à L algorthme sut les nstructons suvantes: 1/ Intalsaton des centres de gravtés des classes prédéfns (Lorette, 1999) et ( Robert et al, 1999) Dans notre cas, pour trer les centres, on fat un mallage qu consste à parttonner l mage selon le nombre de classes choses C C

6 2/ Fuzzyfcaton C est le calcul de la matrce de partton La matrce fnale s obtent après un nombre d tératons qu détermne sa stablté C est à dre que la confguraton ne change plus est donné par les équatons suvantes: S I = φ S = C k = ( d ( x, c )/ d ( x, c ) I φ = 0 pour I 1 = pour I I 2 Avec I { /1 C, d ( x, C ) = 0} = k 1 1/ m1 3/ Calcul des nouveaux centres multdmensonnels qu servront à modélser la matrce de partton dans une nouvelle tératon L équaton de mse à our des centres C est donnée par: C 1 C Où: N ( ) = 1 = N ( ) = 1 m * X X : le nveaux de grs de chaque pxel m m : le degré de flou chos N : le nombre de pxel dans chaque classe 4/ Règle de décson Dans cette étape, on peut uger de la stablté de la matrce de partton en utlsant les deux cas suvants: > ξ ( n) ( n 1) ( n) ( n 1) ξ Tel que: ( n1) représente la matrce précédante et ξ le seul de convergence Dans le cas où: S ( n) ( n 1) > ξ Retour à l étape de Fuzzfcaton pour la mse à our de la matrce de partton par une nouvelle tératon La comparason se fat entre tous les pxels Il sufft qu l y at un seul pxel qu ne satsfat pas la comparason pour décder de la non convergence et donc l nstablté de la partton S ξ La matrce converge, aller à l étape suvante (de défuzzyfcaton) ( n) ( n 1) 6/15

7 5/ Défuzzyfcaton Après la satsfacton de la condton de convergence, la défuzzyfcaton consste à applquer la règle floue chose Il s agt de la technque du maxmum d appartenance On affecte chaque pxel à la classe pour laquelle l a le plus grand degré d appartenance 223 Processus classfcatore développé L ntégraton des données mult-sources est un cas partculer de la fuson de données relatf aux capteurs à nformatons complémentares La fuson des données est un processus permettant l assocaton, la corrélaton et la combnason d nformatons ssues de dfférentes sources dans le but d acquérr une estmaton de la poston et de l dentté de la cble d une manère beaucoup plus précse Notre étude porte sur la défnton d un processus de classfcaton prenant en consdératon la complémentarté des deux types de données, en l occurrence l mage SPOT (apporte une grande rchesse d nformaton au nveau des valeurs spectrales)et l mage d ampltude RSO d ERS (aoute l expresson de la topographe ou du relef de surface à une mage qu en paraît dépourvue)l applcaton à laquelle seront destnées les mages est mportante car elle spécfe le condtonnement et la stratége à suvre pour les assocer Deux cas de fgures vsant à mettre en exergue l apport de l magere radar sont étudés: Le premer cas porte sur la fuson des deux mages où les données sont d abord normalsées, combnées, ensute une classfcaton automatque (FCM classque flou) est exécutée et valdée par rapport à la réalté terran Dans le second cas les mages RSO et SPOT ont été préalablement classfées La fuson ntervent, après la valdaton et la quantfcaton de la qualté des deux résultats, par le bas de règles de décson 2231 Premère méthode Les données sont d abord normalsées, combnées, ensute une classfcaton automatques (FCM classque flou) a été exécuté et valdé par rapport à la réalté terran Image SPOT Image RSO Pré tratements Pré tratements Normalsaton et combnason Classfcaton automatque (FCM) Valdaton et analyse Défnton des classes Fg 5: Organsaton du processus de classfcaton (1 er cas ) 7/15

8 2232 Deuxème méthode Dans ce cas, les mages RSO et SPOT ont toutes deux été préalablement classfées La fuson ntervent après la valdaton et la quantfcaton de la qualté des deux résultats Image RSO Image XS-SP Correcton géométrque et fltrage Correcton géométrque Classfcaton automatque FCM Image ERS classfée Classfcaton automatque FCM Image SPOT classfée Quantfcaton de la précson et valdaton Quantfcaton de la précson et valdaton Règles d Affectaton Image de la classfcaton Résultat Fg 6: Organgramme de classfcaton ntégrant l magere RSO (2 ème cas ) Les dfférentes étapes sont: Classfcaton automatques de l mage optque (FCM classque flou) Défnton des classes présentes dans l mage optque Valdaton et analyse de la classfcaton Classfcaton automatques de l mage radar (FCM classque flou) Défnton des classes présentes dans l mage radar Valdaton et analyse de la classfcaton Fuson des deux résultats sur la base des règles de décsons Valdaton et dscusson des résultats 23 Implémentaton de la logque floue FCM Le prncpe de cette méthode est d ntalser les centres de gravtés, chosr un nombre de classes et l mplémentaton algorthmque de cette méthode nécesste le chox de deux paramètres: Degré du flou Seul de convergence Le degré du flou est chos, après pluseurs tests avec des valeurs dfférentes Ces valeurs appartennent à l ntervalle m ]1, + [ 8/15

9 Pour le chox de m on a effectué des tests sur une mage Panchromatque 97 de SPOT, les résultats sont représentés par les fgures 7 et 8 Fg IV 13: FCM m = 1,2 Fg IV 14: FCM m = 2 Fg 7: FCM m = 1,2 Fg 8: FCM m = 2 Nous remarquant que pour la valeur du degré du flou m = 2, nous avons une melleure classfcaton du pont de vue qualté du résultat D après les mages classées avec les quatre valeurs de m, respectvement (1,2, 2), l mage classée avec un m = 2 est celle qu on a chost pour sa précson et le nombre d tératon Après le chox du degré du flou m, on a effectué d autres tests pour le chox de ξ seul de convergence sur l mage panchromatque de SPOT les résultats sont présentés dans le tableau 1et les fgures 9 et 10 comme sut: Images ξ m Itératon C1 C2 C3 C4 C5 C6 C7 Pan-NOR 0, , , Tableau 1: Tests sur le chox de ξ 9/15

10 Fg 9: FCM ξ = 0,001 Fg 10: ξ = 0,036 on constate que pour: 0,001 ξ 0,036 on a une tératon de 9 et le même nombre de pxels dans les sept classes pour l mage panchromatque de SPOT Pour la sute de nos travaux, on a opté pour ξ = 0,036 pour une melleure classfcaton de nos mages Après avor effectué tous ces prétratements et ces tests sur nos données de SPOT et ERS-1, nous les avons ntégré dans un processus classfcatore à deux méthodes 4 PROCESSS CLASSIFICATOIRE 41 Premère Méthode Les données de SPOT et ERS-1 sont d abord normalsées, combnées, ensute une classfcaton non supervsée (Fuzzy C-means) a été exécutée et valdée n nombre de hut classes a été consdéré pour la classfcaton par la logque floue de la combnason des mages XS1, XS2, XS3, Panchromatque normalsées de SPOT avec l mage RSO fltrée et normalsée d ERS-1 Les classes consdérées sont: la mer, la classe supplémentare, végétaton dense, routes et pstes, végétaton haute, bâts, sol nu, végétaton mons dense comme le montre la fgure 11 Les résultats obtenus sont trbutares de la capacté du fltrage à débruter l mage radar On note cependant, pluseurs confusons dues aux caractérstques spécales de l mage RSO d ERS-1 à savor: les dstorsons dues au relef, à la rugosté de surface etc 10/15

11 Mer Végétaton haute Classe supplément are Végétaton dense Sol nu Bât Champ nu Végétaton mons Fg 11: Classfcaton des mages d ERS et SPOT combnées D après l mage de la fgure 11, on observe des confusons entre les thèmes sol nu, bâts, routes et pstes et les thèmes végétaton mons dense, routes et pstes qu sont probablement dues aux de superposton des mages SPOT avec l mage RSO d ERS 42 Deuxème Méthode Dans cette méthode, les mages RSO et SPOT ont toutes deux été préalablement classfées La fuson ntervent après la valdaton et la quantfcaton de la qualté des deux résultats Le résultat de la classfcaton des mages est représenté dans le tableau qu sut: 11/15

12 Fg 12: Classfcaton des mages XS1, XS2, XS3, Panchromatque de SPOT 421 Fuson des données de SPOT et ERS Fg 13: Classfcaton de l mage RSO d ERS La fuson ntervent, dans ce cas de fgure, après la classfcaton antéreure des deux scènes (SPOT et ERS) et est exécutée selon les règles suvantes: Classe supplémentare Mer Végétaton mons dense S le pxel appartent à la classe champ nu (SPOT) et à la classe lsse (ERS), l sera affecté à la classe sol nu S le pxel appartent à la classe champ nu (SPOT) et à la classe rugueuse (ERS), l sera affecté à la classe récoltes 12/15

13 S le pxel appartent à la classe champ nu (SPOT) et à la classe moyennement rugueuse (ERS), l sera affecté à la classe récoltes S le pxel appartent à la classe bâts (SPOT) et à la classe lsse (ERS), l sera affecté à la classe sol nu S le pxel appartent à la classe bâts (SPOT) et à la classe rugueuse (ERS), l sera affecté à la classe bâts S le pxel appartent à la classe bâts (SPOT) et à la classe moyennement rugueuse (ERS), l sera affecté à la classe bâts S le pxel appartent à la sol nu (SPOT) et à la classe lsse (ERS), l sera affecté à la classe sol nu S le pxel appartent à la classe bâts (SPOT) et à la classe rugueuse (ERS), l sera affecté à la classe bâts S le pxel appartent à la classe bâts (SPOT) et à la classe moyennement rugueuse (ERS), l sera affecté à la classe sol nu Ces tests sont applquées à chaque pxel dans l ordre cté et prenant fn quand l une des règles sera satsfate L ensemble de ces tests ne sera défntf que lorsque tous les cas de confuson seraent dentfés et localsés Fg 14: Fuson des mages SPOT et ERS Cette méthode donne de melleurs résultats par rapport à la premère 13/15

14 5 CONCLSION Dans le cadre de cette étude, nous avons développé un processus classfcatore à deux méthodes ayant pour obectf d ntégrer dfférents types de données satelltares (dans notre cas, XS1, XS2, XS3, Panchromatque de SPOT, et une mage RSO d ERS-1) Nous avons traté un cas d étude pour une applcaton exécutée sur la zone d Alger nous y avons énuméré les dfférentes phases de prétratement des deux scènes à fusonner Nous avons par la sute, étudé pus exécuté deux méthodes d ntégraton de l mage RSO conontement aux mages de SPOT dans un processus classfcatore Dans la premère méthode, nous avons prs en consdératon hut classes pour une classfcaton non supervsée FCM des mages (XS1, XS2, XS3, Panchromatque) normalsées de SPOT combnées avec l mage RSO fltrée et normalsée d ERS-1 Les classes consdérées ont été: la classe Mer, la classe Classe supplémentare, la classe «Végétaton dense», la classe routes et pstes, la classe Végétaton haute, la classe «Bâts, la classe Sol nu et la classe végétaton mos dense Les résultats obtenus sont trbutares de la capacté du fltrage à débruter l mage radar ans que la méthode de normalsaton On note cependant que la deuxème methode donne de malleurs résultats et quelques confusons dues aux caractérstques spécales de l mage RSO REMERCIEMENTS Les auteurs tennent à remercer l agence spatale européenne (ASE) pour la mse à dsposton des données RSO REFERENCES P Gamba, P Savazz: "Classfcaton of urban envronments n SAR mages: a fuzzy clusterng perspectve", Proc of the 1998 IEEE Internatonal Geoscence and Remote Sensng Symposum (IGARSS'98), Vol I, pp , Seattle, WA, July 1998 P Gamba, P Savazz: "Classfcaton of urban envronments n SAR mages: a fuzzy clusterng perspectve", Proc of the 1998 IEEE Internatonal Geoscence and Remote Sensng Symposum (IGARSS 98), Vol I, pp , Seattle, WA, July 1998 P Gamba: "Data fuson over urban envronments", Proc of the 21 st rban Data Management Symposum, Vence, Italy, Aprl 1999 L Wald, Data fuson, Lectures notes, Ecole des mnes de Pars, Centre d Energétque groupe télédetecton et modélsaton, Aprl 1999 C Pohl and JLV Genderen, Multsensor mage fuson n remote sensng: Concepts, methods and applcatons, Internatonal ournal of Remote, Sensng,m19(5): , 1998 Lorette, A (1999) Analyse de texture par méthodes markovennes et par morphologe mathématque: Applcaton à l analyse des zones urbanes sur des mages satelltares Thèse de doctorat, présentée à l unversté de Nce Sopha Antpols Matre, H and Bloch, I (1999) Imag Fuson, Ecole natonale supereure des télécommuncatons de Pars Preprnt Submtted to Elsever Scence 14/15

15 Robert, L, Cannon Jtendra V Dave et James, C (1986) Effcent Implémentaton of the Fuzzy C-Means Clusterng Algorthms IEEE transactons on Pattern analyss and machne ntellgence, Vol PAMI-8, No 2, MARS Wang, F (1990) Fuzzy Supervsed Classfcaton of Remote Sensng Images IEEE transacton on geoscence and remote sensng Vol 28, No 2 MARS NOTES BIOGRAPHIQES Dr Youcef Smara est maître de conférences et drecteur de recherche au sen du laboratore de tratement d mages et rayonnement de la Faculté d Electronque et Informatque de l nversté des Scences et de la Technologe Houar Boumedene d Alger Il travalle depus plus d une qunzane d années dans le domane du tratement d mages de télédétecton et des SIG et Il est l auteur d une cnquantane de publcatons et de communcaton nternatonales Mlle Nada Ouarab est matre assstance et chargee de recherche au sen du laboratore de tratement d mages et rayonnement de la Faculté d Electronque et Informatque de l nversté des Scences et de la Technologe Houar Boumedene d Alger Elle travalle depus une dzane d années dans le domane du tratement d mages de télédétecton et elle est l auteur d une dzane de publcatons et de communcaton nternatonales Mlles Shem Laama et Dalla Cherf fnalsent leur formaton de graduaton dans le cadre de l obtenton d une dplôme d ngéneur d état en Electronque au sen de la même nsttuton CONTACTS Doctor Youcef Smara Laboratore de Tratement d'images et Rayonnements Faculté d Electronque et d Informatque nversté des Scences et de la Technologe Houar Boumedène ((STHB) BP 32 El-Ala Bab-Ezzouar Alger ALGERIE Tel p806 Fax Emal: ysmara@malctycom 15/15