TP visualisation et traitements d'image satellite sur GRASS

TP visualisation et traitements d'image satellite sur GRASS OLIVIER DE JOINVILLE aout 2010

Table des matières Objectifs 5 I - Généralités 7 A. Méthodologie d'enregistrement des données...7 B. Opérations à réaliser avant d'ouvrir Grass...7 II - Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail 11 A. Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail...11 1. Ouverture de l'image en composition colorée...11 2. Consultation des informations générales sur cette image...14 3. Ouverture de chaque canal de l'image...15 B. Exercice 01 - Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail...17 III - Découpage de l'image, analyse d'histogramme 19 A. Découpe de l'image...19 1. 2. 3. 4. 1 2 3 4 étape étape étape étape : : : : construction d'une découpe vecteur...19 transformation du polygone vecteur en raster...22 découpe du raster...25 affichage de la découpe avec les couleurs d'origine...26 B. Analyse des histogrammes dans la découpe...27 C. Exercice 02 - Analyse des histogrammes dans la découpe...28 IV - Un peu de traitement d'image de base 29 A. Filtrage par détection de contours...29 B. Exercice 03 - Filtrage par détection de contours...31 C. Analyse en composantes principales (ACP)...31 D. Exercice 4 - Analyse en composantes principales (ACP)...32 V - Utilisation d'outils d'aide à la photo interprétation 33 3

A. Détection de la végétation avec l'indice NDVI...33 B. Exercice 5 - Détection de la végétation avec l'indice NDVI...35 C. Classification des images...35 1. Classifications non supervisées : Maximum likelihood...35 2. Exercice 6 - Classifications non supervisées : Maximum likelihood...40 3. Segmentation...41 4. Exercice 7 - Segmentation...42 5. Classifications supervisées...42 6. Exercice 8 - Classifications supervisées...54 7. Outils de post classification : suppression de pixels éparses...54 8. Evaluation d'une classification avec une matrice de confusion...56 9. Exercice 9 - Evaluation d'une classification avec une matrice de confusion...57 10. Cartographie d'une classification - Faire une légende sur une classification...57 11. Exercice 10 - Cartographie d'une classification - Faire une légende sur une classification...60 4

Objectifs Ce module va vous permettre de découvrir quelques techniques simples de visualisation et de traitement d'une image satellite sur le logiciel libre GRASS (Geographical Ressources Analysis Support System) dans un but de photo-interprétation. Cette formation a 2 objectifs : 1) Faire travailler les étudiants (stagiaires) sur un logiciel libre de traitement d'images, le but étant surtout de comprendre les traitements numériques appliqués à l'image satellite et d'en comprendre l'utilité pour l'amélioration de l'analyse de l'image. Un travail de photo interprétation est également demandé. 2) Former les étudiants à l'organisation. En effet cette formation se faisant à distance, les étudiants sont "livrés à eux même" sur la gestion de leur temps de travail. 5

I - Généralités I Méthodologie d'enregistrement des données 7 Opérations à réaliser avant d'ouvrir Grass 7 A. Méthodologie d'enregistrement des données Tous les fichiers créés sont sur le dépot de document. Ils peuvent être enregistrés au format.jpeg ou tiff. Aller pour cela dans le Gismanager et cliquer sur. Pour supprimer des fichiers aller dans le GisManager, File, Manage Maps and Volumes, Delete. Il suffit alors de sélectionner les fichiers raster ou vecteur que l'on veut détruire. B. Opérations à réaliser avant d'ouvrir Grass Méthode : Opérations à réaliser avant d'ouvrir Grass A l'ouverture de Grass, nous avons l'interface suivante : 7

Généralités Il faut définir tout de suite un système de projection pour l'image qui va être ouverte. Grass propose 3 façons de procéder : Georeferenced file EPSG codes Projection value EPSG codes est le plus rapide, il s'agit de codes European Petroleum Survey Group. Cliquer donc sur EPSG Codes. Les numéros de code apparaissent également sur le site : http://www.mersea.eu.org/information/references/help_epsgcode.html. Pour vérifier que le code EPSG de notre zone d'étude (4192 pour Douala, 27571 Lambert Zone 1, 27572 Lambert zone 2, 27573 Lambert zone 3) soit bien 8

Généralités intégré dans Grass, il faut cliquer sur le 2 Browse pour avoir accès aux codes implémentés. Pour l'image Aster de Berck, prendre le code EPSG correspondant à Lambert 93 : 2154. Après il faut cliquer sur Define Location pour valider une zone de projection. Après il faut définir un Mapset. C'est un dossier de travail «cartographique» personnel : pour cela saisir à la main un nom de projet dans Create new mapset in selected location. (Eviter de mettre le même nom que le Project location). Cliquer ensuite sur Create new mapset. On se retrouve avec cette interface : A ce moment là, on peut lancer Grass (cliquer sur Enter Grass). Méthode : Voir la vidéo 9

Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail II - II Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail 11 Exercice 01 - Ouverture et visualisation interprétation avec Google Earth ou Geoportail de l'image, 17 A. Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail 1. Ouverture de l'image en composition colorée Pour ouvrir une image il faut aller dans le GIS Manager et faire : File Import raster map Multiple raster data import using GDAL. Cliquer sur l'onglet required, indiquez le chemin d'accès de votre image et saisissez un nom pour votre image. Avant de lancer l'ouverture de l'image, s'assurer qu'il n'existe aucune projection antérieure définie dans l'image. Pour cela aller dans options et cliquer sur Override projection. Pour lancer l'application, cliquer sur run. 11

Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail Si les paramètres de projection ont été correctement saisis, dans la fenêtre output Gis.m on doit avoir ceci : Maintenant pour afficher l'image en composition colorée Infra Rouge Couleur, il faut cliquer sur l'icône 12 et créer ainsi sa composition colorée.

Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail Maintenant il ne reste plus qu'à cliquer sur dans le Map Display1 et cliquer sur «Zoom to selected area». On peut aussi cliquer sur l'icône. Méthode : Voir la vidéo a) Création d'une composition colorée Pour créer une composition colorée, aller dans GisManager et faire : Raster, Manage map colors, create RGB. 13

Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail Méthode : Voir la vidéo 2. Consultation des informations générales sur cette image Pour consulter les informations générales sur notre image de travail, il faut aller dans le GIS Manager et aller dans Raster, Report and Statistics, Report Basic File Information. Cocher tout et cliquer sur information. 14 pour sélectionner le canal dont vous voulez avoir une

Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail Cliquez sur Run et vous obtiendrez le résultat dans la fenêtre Gis.m. 3. Ouverture de chaque canal de l'image Pour afficher un canal en niveaux de gris dans une autre fenêtre, il faut d'abord cliquer sur cette icône (dans le Gis.manager) pour ouvrir une nouvelle fenêtre d'affichage. Ensuite il faut cliquer sur pour charger une couche raster et après dans Base Map il faut saisir le bon canal. 15

Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail Et là de la même manière, on charge le canal choisi (ici berckaster.red@berck) dans la bonne fenêtre en faisant également «Zoom to selected area». Sinon on peut aussi afficher plusieurs canaux dans la même fenêtre en cliquant sur pour chaque canal. Il suffira ensuite de cocher ou de décocher les canaux et de cliquer sur ou pour les afficher. Si vous souhaitez supprimer une couche, il suffit de la cocher et de cliquer sur. 16

Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail Remarque 1. On peut avoir les informations sur les valeurs numériques des trois canaux de visualisation en allant dans le Map Display avec Zoom minimum, puis cliquer sur zoom to et cliquer sur Set computational. regionextents to match display. L'icône Query doit être active. Le résultat est sur la fenêtre Gis.m. Après on peut zoomer sur une région et en activant à nouveau l'icône Query, on peut obtenir à nouveau les informations radiométriques sur un point. 2. On peut décider de n'afficher qu'une plage de valeurs pour faire ressortir telle partie du paysage dont la reflectance aura été plus ou moins importante. Il suffit de la spécifier dans values to display, sous Base Map (on peut mettre par exemple 100-200). Faites des tests sur des plages de valeurs significatives. Méthode : Voir la vidéo B. Exercice 01 - Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail Afficher séparément les 3 canaux de l'image. Question 1 Que concluez-vous? Question 2 Repérez les principaux objets du paysage sur l'image satellite en comparant avec Google Earth (ou Geoportail) 17

Découpage de l'image, analyse d'histogramme III III - Découpe de l'image 19 Analyse des histogrammes dans la découpe 27 Exercice 02 - Analyse des histogrammes dans la découpe 28 Objectifs Cette phase du TP va permettre d'apprendre à découper une partie de l'image, ce qui servira pour créer les zones test des classifications surpervisées. A. Découpe de l'image 1. 1 étape : construction d'une découpe vecteur Aller dans le Gis.m et taper la commande suivante : v.digit -n map=decoupe {bgcmd=d.rast berckaster.red@berck} Decoupe est le nom de la découpe vecteur. La commande entre accolades permet d'afficher l'image en fond d'image. Avant de saisir une zone avec un polygone, il faut créer une table, cela servira également pour la création des zones d'intérêt pour les classifications supervisées. Dans l'interface v.digit, cliquer sur l'icône open settings, puis cliquer sur l'onglet table, puis add new columns. Attention Saisir le nom du champ en premier puis sélectionner le type (double precision). 19

Découpage de l'image, analyse d'histogramme Cliquer sur create table afin de valider la création de la table. Cliquer sur digitize new boundary. Mettre en mode No category (cela signifie que la polyligne tracée n'est pas attachée à son contour mais au centroïde, alors que Next not used signifie que l'identifiant (cat) prendra la valeur la plus proche qui n'a pas été utilisée), ici on saisit une polyligne fermée et pas un polygone. Tracer la polyligne, clic gauche à chaque nœud, jusqu'à un point le plus proche possible du point de départ et clic droit. Faire un zoom au voisinage du point initial et du point final. Pour zoomer, il faut sélectionner la zone de zoom avec Cliquer Move vertex et valider en appuyant sur la molette. afin de déplacer le nœud final sur le nœud initial. Pour cela déplacer un des 2 nœuds en laissant appuyer sur le clic gauche et valider en recliquant (clic gauche) pour valider la super position entre les 2 nœuds. La boundary apparaît alors en vert fluo. 20

Découpage de l'image, analyse d'histogramme Remarque Pour supprimer un contour il faut cliquer sur, sélectionner le contour à effacer en cliquant (gauche) dessus, puis reclic gauche pour confirmer, puis cliquer sur redraw pour rafraîchir. Maintenant il faut rajouter un centroïde afin de transformer la polyligne en polygone. Pour cela cliquer sur l'icône digitize new centroid et, avant de cliquer dans l'image, changer le mode : Next not used. Dézoomer et cliquer n'importe où dans votre polyligne pour valider votre centroïde. Mettre 1 dans decoupe. 21

Découpage de l'image, analyse d'histogramme Valider en cliquer sur submit ce qui validera l'enregistrement de la découpe vecteur. Fermer la fenêtre v.digit ce qui finira d'enregistrer la table en cliquant sur. Méthode : Voir la vidéo 2. 2 étape : transformation du polygone vecteur en raster Pour cela aller dans Gis Manager, File, Map type conversion, Vector to raster. 22

Découpage de l'image, analyse d'histogramme Une fois saisies la couche vecteur et la future couche raster, cliquer sur run. Maintenant on va afficher cette couche raster nouvellement créée. 23

Découpage de l'image, analyse d'histogramme Aller dans le map display et cliquer sur redraw all layers. Le polygone rouge correspond à la zone qui sera découpée. Etant au-dessus de l'image, il la cache. Méthode : Voir la vidéo 24

Découpage de l'image, analyse d'histogramme 3. 3 étape : découpe du raster Maintenant il faut découper le raster. Pour cela aller dans le Gis Manager et faire Raster, Map calculator. A = berckaster.red@berck = image d'origine B = decoupe@test = pochoir A*B fournit l'image découpée Decoupeberck. Attention Attention, il se peut qu'un traitement soit long, tant que run est grisé et qu'on voit le petit bonhomme qui court dans Gis.m, çà veut dire que çà calcule. Maintenant il ne reste plus qu'à afficher l'image découpée : Pour cela dans le Gis Manager cliquer sur l'icône Base Map pour remplacer le fichier du pochoir par le fichier de l'image découpée Decoupeberck et afficher l'image dans le Map display en service. On se retrouve avec çà... Ce n'est donc pas fini (courage!!!). 25

Découpage de l'image, analyse d'histogramme 4. 4 étape : affichage de la découpe avec les couleurs d'origine Pour récupérer les couleurs d'origine, il faut aller dans Gis Manager, Raster, Manage Map Colours, Color tables. Dans cette interface, dans l'onglet options, cliquer sur Raster map name pour chercher le fichier qui contient les couleurs d'origine (avant la découpe), ie berckaster.red@berck. Après dans la même interface cliquer sur l'onglet required et chercher le nom du fichier découpé (decoupechevrons). 26

Découpage de l'image, analyse d'histogramme Puis réafficher l'image dans le Map Display en pensant à remettre à jour. Méthode : Voir la vidéo B. Analyse des histogrammes dans la découpe Affichage des histogrammes Pour afficher l'histogramme d'un canal, il faut cliquer sur l'icône dans le Gis Manager. Dans Raster to histogram, sélectionner le bon canal dont on veut afficher l'histogramme et paramétrer l'affichage de l'histogramme. 27

Découpage de l'image, analyse d'histogramme C. Exercice 02 - Analyse des histogrammes dans la découpe Interpréter les histogrammes de chaque canal. Question Quel va être le canal le plus exploitable et pourquoi? 28

Un peu de traitement d'image de base IV - IV Filtrage par détection de contours 29 Exercice 03 - Filtrage par détection de contours 31 Analyse en composantes principales (ACP) 31 Exercice 4 - Analyse en composantes principales (ACP) 32 A. Filtrage par détection de contours Définition Ce traitement permet de faire de la détection de contours vectorisés. On va donc créer une couche vecteur. Ce traitement étant très gourmand en temps de calcul, appliquez-le sur la découpe. Aller dans le GisManager, Raster, Contour line 29

Un peu de traitement d'image de base L'algorithme travaille comme si l'on calculait des courbes de niveaux. Plus l'incrément entre les courbes de niveaux est grand, moins il y a de contours. 100 signifie qu'il ne prend que les contours de gradient 100. Pour afficher les contours aller dans le GisManager et cliquer sur layer. 30 Add vector

Un peu de traitement d'image de base Voici un exemple pour un incrément de 50. Méthode : Voir la vidéo B. Exercice 03 - Filtrage par détection de contours Testez plusieurs valeurs d'incréments et effectuez une détection de contours la plus réaliste possible. Question Justifiez le choix de vos paramètres. C. Analyse en composantes principales (ACP) Grass permet de réaliser des analyses en composantes principales. Pourquoi est-il intéressant d'effectuer une ACP sur des images satellite? Pour calculer les composantes principales, il faut aller dans le GISManager et effectuer les traitements suivants : Imagery Transform Image Principal components 31

Un peu de traitement d'image de base Le résultat est une image en 3 canaux que l'on peut visualiser. D. Exercice 4 - Analyse en composantes principales (ACP) Afficher séparément les 3 ACP. Question Un des 3 canaux ACP est-il particulièrement exploitable? Pour quel type d'objets? 32

Utilisation d'outils d'aide à la photo interprétation V - V Détection de la végétation avec l'indice NDVI 33 Exercice 5 - Détection de la végétation avec l'indice NDVI 35 Classification des images 35 A. Détection de la végétation avec l'indice NDVI Utilisez l'indice de détection de la végétation NDVI (NDVI= (IR-R)/(IR+R)) pour détecter la végétation sur l'image. Aller dans output Gis.m et taper en dur la commande : r.mapcalc {ndvi=255*(berckaster.red-berckaster.green)/ (berckaster.red+berckaster.green)} On obtient ce genre de résultats : On peut le transformer en niveaux de gris (plus facile à interpréter) en allant dans l'interface r.colors (Gis Manager, Raster, Manage Map Colours, Color tables) 33

Utilisation d'outils d'aide à la photo interprétation et activer les onglets Colors et Required comme sur les copies d'écran suivantes : B. Exercice 5 - Détection de la végétation avec l'indice NDVI Réafficher l'image NDVI en niveaux de gris et détecter les endroits à forte végétation. Question Y-a-t-il des zones à fortes valeurs PIR (proche infra rouge) et faible NDVI? C. Classification des images Objectifs Le but de cet exercice est de d'effectuer des classifications supervisées et non supervisées et de les évaluer. 1. Classifications non supervisées : Maximum likelihood a) Création de groupes et de sous groupes Dans Gis Manager create/edit group. 34 aller dans Imagery, Develop images and group,

Utilisation d'outils d'aide à la photo interprétation Ici la classification se fera sur les 3 canaux. Cliquer sur run pour créer les groupes et sous groupes. b) Création d'un fichier de signatures spectrales Maintenant il faut créer le fichier de création de signatures spectrales, pour cela aller dans Gis Manager, Imagery, Classify Image, Clustering input for unsupervised classification. 35

Utilisation d'outils d'aide à la photo interprétation On a saisi le nombre initial de classes que l'on veut faire ressortir dans la classification, le pourcentage de convergence (95%) et ne pas oublier de saisir le nom d'un fichier report qui vous fournira les statistiques sur les classes dans les 3 canaux (moyenne et écart type), les scores de convergence et une matrice de séparabilité inter-classes, indiquant les classes qui risquent d'être confondues entre elles. Pour les groupes et les sous groupes, il n'est pas utile de saisir le @... Cliquer sur run pour créer le fichier de signature et la matrice de variance covariance pour chacune des 6 classes. Dans le GIS.m apparaissent les scores de convergence pour chaque itération. Consulter le fichier report. (en principe dans Mes documents\gis DataBase\demolocation). Méthode : Voir la vidéo 36

Utilisation d'outils d'aide à la photo interprétation c) Lancement de la classification Maintenant on peut lancer la classification, retourner dans le Gis Manager. Aller dans Imagery, Classify Image, Maximum likelihood classification (MLC). Cette classification peut également être supervisée (être utilisée après une création de signatures spectrales supervisées, i.gensig). Voici le résultat de la classification. Vous pouvez changer les couleurs des classes si celles-ci ne vous conviennent pas. La première chose à faire est de savoir quelle classe est de quelle couleur. 37

Utilisation d'outils d'aide à la photo interprétation Pour cela, afficher l'histogramme de votre classification. On voit dans cette image que la mer est en vert par exemple ce qui ne convient pas. La mer d'après l'histogramme est la classe n 2, il faudra la mettre en noir par exemple (la mer moins profonde, plus proche des côtes étant en bleu). Pour changer les couleurs de la classification, il faut aller dans Raster, Manage Map Color, Color rules. Si vous ne vous rappelez plus des noms des couleurs en anglais, ci-dessous quelques exemples de couleurs implémentées sur le logiciel ENVI. Attention Attention certains exemples ne fonctionnent pas sous Grass (maroon par exemple). 38

Utilisation d'outils d'aide à la photo interprétation Voici, ci-dessous la nouvelle classification obtenue avec les couleurs choisies dans la copie d'écran d'ihm de la page précédente. Ci-dessous nous visualisons une image de probabilité (image reject_mlc_berck) dans laquelle chaque pixel comporte une information sur la probabilité d'appartenance aux classes spécifiées dans l'image de classification du dessus. 39

Utilisation d'outils d'aide à la photo interprétation Méthode : Voir la vidéo 2. Exercice 6 - Classifications non supervisées : Maximum likelihood Comparer les résultats de votre classification avec une référence (le Geoportail en est une très bonne). Question Evaluez visuellement la qualité de votre classification. 3. Segmentation Commencer par repérer combien il y a de régions dans l'image. Puis repérer les bornes radiométriques de chacune de ces régions en cliquant des points dans l'image (Cliquer sur Query dans la fenêtre Map Display). Dans notre image Berck.red@berck, nous pouvons faire le découpage en 6 régions (à vous de le vérifier) : segment 1 : 0-40 segment 2 : 41-80 segment 3 : 81-130 segment 4 : 131-170 segment 5 : 171-220 segment 6 : 221-255 Aller dans Gis Manager, Raster, Change category values and labels, Reclassify Interactively. 40

Utilisation d'outils d'aide à la photo interprétation Cliquer sur apply pour lancer la segmentation et afficher la segmentation. 4. Exercice 7 - Segmentation Changer les couleurs de la même façon que pour la classification non supervisée. Nous obtenons un résultat proche de la classification. Question Comparez le avec la classification non supervisée que vous venez d'effectuer. 5. Classifications supervisées Conseil Dans ce chapitre nous allons tester 2 classifications supervisées : Maximum likelihood et SMAP. 41

Utilisation d'outils d'aide à la photo interprétation La procédure n'est pas compliquée mais très longue, il est fortement recommandé de noter sur une feuille toutes vos étapes, notamment les noms de fichiers créés au fur et à mesure. a) Digitalisation des zones d'intérêt sous forme vecteur Lancer une commande en dur dans Gis.m : v.digit -n zonestest {bgcmd=d.rast berckaster.red@berck} zonestest représente les zones d'intérêt saisies sous forme vecteur. Dans ce cas là on saisit sur une image en niveau de gris sur le canal infrarouge. On peut aussi saisir sur la composition colorée que l'on a créée précédemment, mais c'est déconseillé car les temps d'affichage de la composition colorée sont souvent très longs. b) Création d'une table Avant de saisir les classes, procéder comme pour la zone de découpe en créant une table. Pour cela, clic sur et sur l'onglet table dans settings. Clic sur Add New Column et saisie de Classe et double precision. «Classe» représente toutes les zones d'apprentissage, chacune des zones d'apprentissage aura un identifiant qui sera implémenté automatiquement et appartiendra à une et une seule classe. Une classe pourra avoir plusieurs zones d'apprentissage. Cliquer sur create table pour valider la création de la table. Si on a cliqué trop vite sur Create table on peut revenir en arrière en relançant une commande avec un autre nom pour la couche vecteur. (ex. v.digit -n zonestest1 {bgcmd=d.rast berckaster.red@berck}). c) Saisie des classes d'apprentissage vectorisées Pour identifier les zones saisies, vous pouvez vous aider de Google Earth ou 42

Utilisation d'outils d'aide à la photo interprétation Geoportail. On saisit une 1 polyligne correspondant au 1 échantillon de la 1 zone d'apprentissage. La procédure de saisie est la même que pour la découpe, on la rappelle tout de même... Zoomer sur votre zone d'intérêt avant de saisir. Clic sur et s'assurer qu'on est en no category. Saisie de la polyligne, finir au plus prés du point initial et clic droit. Rezoomer pour faire correspondre parfaitement le point initial et le point final. Clic sur, clic gauche maintenu sur un des 2 points jusqu'à ce qu'il rejoigne l'autre et nouveau clic gauche pour valider. On doit aboutir à un contour vert validé. 43

Utilisation d'outils d'aide à la photo interprétation Positionner un centroïde dans la polyligne en cliquant sur et en sélectionnant Next not used. Cat : 1 signifie l'identifiant de la 1 zone d'apprentissage (si pour une classe mer, on choisit 3 polygones on aura donc 3 catégories). Classe : 1 se réfère à la 1 zone d'apprentissage (qui deviendra la future classe 44

Utilisation d'outils d'aide à la photo interprétation n 1). On peut saisir une 2 polyligne pour cette même classe. Pour cela on refait la procédure de saisie décrite précédemment (ne pas oublier de se mettre tout de suite en no category avant de saisir la polyligne). Si on a saisi 3 polygones pour une même zone d'apprentissage, on aboutit à cette interface : Cliquez sur submit à chaque saisie de chaque polygone. Méthode : Voir la vidéo Conseil Il est fortement conseillé de noter sur une feuille de brouillon les numéros des classes que l'on saisit au fur et à mesure ainsi que le nombre de catégories (polylignes) pour chaque classe. Ecrivez par exemple : classe 1 : mer profonde, polygones saisis : cat1, cat2 classe 2 : mer peu profonde, polygones saisis : cat3, cat4... Pour saisir une nouvelle polyligne, dézoomer puis rezoomer sur la zone de saisie, puis refaire la procédure complète. Saisissez toutes vos zones d'apprentissage sur votre image. Pour quitter l'interface v.digit, ne surtout pas oublier d'enregistrer en cliquant sur. Remarque Pour changer la couleur des traits de la polyligne, il faut cliquer sur 45

Utilisation d'outils d'aide à la photo interprétation Changer la couleur de Boundary (no area). On peut visualiser les polygones que l'on vient de saisir dans une fenêtre d'affichage. Pour cela, cliquer sur Add Vector Layer, aller chercher dans Vector Map, la couche vecteur que l'on vient de saisir et l'afficher dans le Map Display. On a alors des polygones en gris si on a bien travaillé. Si les polygones ne sont pas remplis, ils ne pourront pas servir à l'établissement de signatures spectrales. Pour corriger ce défaut, il faut faire v.clean input=nom_vecteur_entrer output=nom_vecteur_entrer_break type=boundary,centroid,area tool=break overwrite et v.clean input= nom_vecteur_entrer_break output=nom_vecteur_propre type=boundary,centroid,area tool=snap thresh=0.2. Cette manip n'est possible que si les nœuds initial et final sont suffisamment proches. En cliquant sur Query et sur un polygone quelconque on récupère des infos dans la fenêtre output gis.m si on a cliqué sur un pt suffisamment proche du centroïde. On peut faire apparaître les centroïdes sur les polygones en cochant centroïde dans le Gis Manager après avoir sélectionné le fichier vecteur. 46

Utilisation d'outils d'aide à la photo interprétation Attribute col for labels est le nom du champ qui apparaîtra à coté du centroïde. Ne pas oublier aussi de cocher la tool box, label vector. d) Création de zones d'apprentissage rasterisées Aller dans GisManager, file, Math type conversion, Vector to raster. 47

Utilisation d'outils d'aide à la photo interprétation Cliquer sur run pour faire la conversion. Afficher vos zones test zonestest (berckaster.red@berck). 48 en superposition sur votre image

Utilisation d'outils d'aide à la photo interprétation Méthode : Voir la vidéo e) Création d'un fichier de signatures spectrales i - Etape 1 : création d'un groupe de travail Gis Manager, Imagery, Develop images and groups, Create/edit group 49

Utilisation d'outils d'aide à la photo interprétation Dans ce cas on va faire la classification sur les 3 canaux. ii - Etape 2 : création du fichier de signature pour les 2 classifications 1. Maximum likelihood Gismanager, Imagery, Classify Image, (Maximum Likelihood Classification) Input for Supervised 2. SMAP Gismanager, Imagery, Classify Image, Input for Supervised SMAP. 50 MLC

Utilisation d'outils d'aide à la photo interprétation Méthode : Voir la vidéo f) Lancement des 2 classifications Maximum Likelihood et SMAP i - Maximum likelihood Gismanager, Imagery, Classify Image, Maximum Likelihood Classification Cliquer sur run pour calculer votre classification et visualiser la. Méthode : Voir la vidéo ii - SMAP (Sequential Maximum A Posteriori) Gismanager, Imagery, Classify Image, Sequential Maximum A Posteriori. 51

Utilisation d'outils d'aide à la photo interprétation Cliquer sur run pour calculer votre classification et la visualiser. 6. Exercice 8 - Classifications supervisées Comparer vos 2 classifications supervisées. Question Qu'en déduisez-vous? Utilisez également le Geoportail comme référence. 7. Outils de post classification : suppression de pixels éparses Gis Manager, Raster, Neighborhood analysis, Moving window 52

Utilisation d'outils d'aide à la photo interprétation Choisir une fenêtre pas trop petite, 5 semble être une taille adaptée. D'autre part il faut choisir Mode pour le type d'opération : cela attribue au pixel la valeur la plus fréquente des pixels des pixels contenus dans la fenêtre glissante. 8. Evaluation d'une classification avec une matrice de confusion Nous allons maintenant évaluer notre classification calculant une matrice de confusion à partir des ROIs d'apprentissage, c'est-à-dire que nous allons mesurer les pourcentages de confusions générés par les classifications sur nos zones d'apprentissage. R.kappa GisManager Imagery, Report and Statistics, Kappa Analysis 53

Utilisation d'outils d'aide à la photo interprétation 9. Exercice 9 - Evaluation d'une classification avec une matrice de confusion Calculer le kappa des 2 classifications (Maxlike et SMAP). Question La kappa a-t-il une réelle signification par rapport à l'évaluation que vous avez faite précédemment? 10. Cartographie d'une classification - Faire une légende sur une classification a) Etape 1 : Affectation d'un nom à une classe Par exemple classe 1= Mer profonde. Pour cela GisManager, Raster, Change Reclassify interactively. 54 Category Values and Labels,

Utilisation d'outils d'aide à la photo interprétation Cliquer sur Apply. b) Etape 2 : Affichage de la légende et de l'image classifiée Dans le GisManager, vous allez afficher successivement les couches suivantes : l'image classifiée que l'on vient de créer (dans l'exemple ci-dessus MLCcorrigelegende) une grille : cliquez sur une légende. Pour la légende, dans GisManager, cliquer sur l'icône Add Raster Legend Layer et paramétrer votre légende (exemple donné ci-dessous à titre indicatif). 55

Utilisation d'outils d'aide à la photo interprétation Un nord + une échelle : cliquez sur Un titre : cliquez sur Add text layer Paramétrer votre titre (exemple donné ci-dessous à titre indicatif). En final vous devez avoir les éléments de votre carte qui apparaissent comme suit : Les couches les plus hautes dans l'ordre d'apparition cachent les couches les plus basses. Méthode : Voir la vidéo 11. Exercice 10 - Cartographie d'une classification - Faire une légende sur une classification Réalisez une carte complète sur la classification que vous avez estimée comme étant la meilleure. 56