Algorithmes de classification

On classe habituellement les algorithmes de classification en méthodes dirigées et non dirigées, bien que certains algorithmes contiennent des éléments de chaque groupe. Dans les méthodes dirigées, un spécialiste classe les terrains présents dans une scène, ce qui permet de déterminer dans l'espace des paramètres, la moyenne ou les frontières qui définissent la classe. C'est ce que l'on appelle l'entraînement du logiciel. On peut choisir les données servant à l'entraînement dans la scène ou à partir de scènes analogues observées auparavant. Après l'entraînement, l'algorithme assigne automatiquement une classe à chaque pixel, à partir des moyennes ou frontières de classe prédéterminées.

Un algorithme de classification non dirigé ne contient aucune information préalable sur les éléments de la scène ou les classes de terrain qu'elle contient. L'algorithme analyse l'espace des paramètres de chaque scène et assigne des classes et des frontières à partir de groupements (ou nuages) de pixels. Parfois, on peut fonder les classes et les frontières sur des modèles physiques . Quel que soit le cas, l'opérateur doit intervenir pour identifier chaque classe après qu'elle a été assignée.

Les classificateurs dirigés ont le désavantage de nécessiter l'entrée d'information par l'opérateur et les classes qu'ils déterminent dépendent généralement de la scène. Les classificateurs non dirigés produisent souvent des classes dont l'interprétation physique est incertaine. Dans les prochains paragraphes, nous donnons un exemple de données de radar polarimétrique analysées par des classificateurs dirigés et non dirigés. Finalement, nous décrivons un nouveau classificateur qui combine des éléments des deux groupes de classificateurs.