Language selection

Recherche

Transformation des images

La transformation d'images est un procédé qui implique la manipulation de plusieurs bandes de données, que ce soit pour transformer une image provenant d'un capteur multispectral ou pour transformer plusieurs images de la même région prises à des moments différents (données multitemporelles). La transformation d'images génère une "nouvelle" image en combinant les différentes sources d'information de manière à rehausser certaines caractéristiques ou certaines propriétés des données qui sont moins évidentes dans l'image originale.

soustraction d'imagesLes transformations de base font usage d'opérations arithmétiques simples. La soustraction d'images est souvent utilisée pour identifier les changements qui sont survenus entre des images obtenues à des dates différentes. Pour ce faire, on utilise deux images qui sont liées géométriquement (voir section 4.4) que l'on soustrait en enlevant les valeurs d'intensité de chaque pixel d'une image (1) aux valeurs d'intensité de chaque pixel correspondant dans l'autre image (2). Une mise à l'échelle peut ensuite être faite (3) en additionnant une valeur constante (127 dans le cas présent) à chaque pixel résultant de la soustraction. Dans une telle image, les régions pour lesquelles il y a eu peu ou pas de changement (A) entre les deux images originales, auront des valeurs d'intensité autour de 127 (tons de gris moyen). Par contre, les régions qui ont subi un changement significatif (B) auront des valeurs d'intensité inférieures ou supérieures à 127, donc des tons plus pâles ou plus foncés, selon la "direction" du changement de la réflectance entre les deux images. Cette transformation peut être utile pour identifier les zones où le développement urbain a changé la surface ou pour identifier des zones de déforestation.

La division d'image ou le calcul de rapports spectraux est aussi une transformation d'images très commune. La division d'image permet de rehausser des variations subtiles dans la réponse spectrale de différents types de surface. L'image qui résulte du calcul des rapports entre les données provenant de deux bandes spectrales différentes, présente un rehaussement des variations, la pente des courbes de réflectance spectrale, entre les deux bandes spectrales qui pourraient autrement être masquées par la variation dans l'intensité de leurs pixels. L'exemple qui suit illustre le concept des rapports spectraux. La végétation réfléchit fortement dans le proche infrarouge lorsqu'elle est en santé et absorbe fortement dans la portion du spectre électromagnétique du rouge visible. Les autres types de surface comme la terre et l'eau ont des réflexivités presque égales dans ces deux zones du spectre. Une image des rapports spectraux entre les images de la bande 7 (proche infrarouge, 0,8 à 1,1 micron) divisée par la bande 5 (rouge, 0,6 à 0,7 micron) des données de Landsat MSS aurait des valeurs beaucoup plus grandes que 1,0 pour la végétation et des rapports autour de 1.0 pour la terre et l'eau. Il est donc facile de faire la différence entre la végétation et les autres types de surface en utilisant cette transformation. Ce type de transformation nous permet aussi d'identifier des régions où la végétation subit un stress et n'est pas saine, car ces régions ont une réflectance plus basse dans le proche infrarouge, et le rapport spectral est plus faible que celui des régions où la végétation est en santé.

l'indice de végétation par différence normalisée (NDVI)Un autre avantage de l'utilisation des rapports spectraux est la réduction de l'effet de variation de l'illumination solaire causé par la topographie. Le simple fait de calculer des valeurs relatives (des rapports) plutôt que des valeurs absolues d'intensité produit cette réduction des effets topographiques. Par exemple, la réflectance absolue d'une forêt couvrant une montagne dépend de son orientation par rapport à l'illumination du Soleil. Cependant, le rapport entre la réflexivité provenant des deux bandes spectrales est sensiblement le même. Des rapports plus complexes entre des sommes et des différences de bandes spectrales ont été développés pour différents capteurs afin de surveiller les conditions de la végétation. Une transformation très utilisée pour surveiller l'état de la végétation à l'échelle continentale et à l'échelle du globe est l'indice de végétation par différence normalisée (NDVI). Cette transformation utilise les données des radiomètres avancés à haute résolution (AVHRR) à bord des satellites NOAA (voir chapitre 2, section 2.11).

l'analyse des composantes principalesLes données de bandes multispectrales différentes ont souvent une corrélation très élevée et contiennent de l'information similaire. Par exemple, les capteurs de la bande 4 et 5 de Landsat MSS (vert et rouge respectivement) produisent des images d'apparence visuelle très semblable étant donné que la réflectance pour le même type de surface est presque identique. Des transformations d'images basées sur des traitements statistiques complexes des données multispectrales peuvent être utilisées pour réduire la redondance des données et la corrélation entre les bandes. L'analyse des composantes principales est une transformation de ce genre. Le but de cette transformation est de réduire le nombre de dimensions (nombre de bandes) et de produire une compression de l'information de plusieurs bandes dans un nombre plus restreint de bandes. Les "nouvelles" bandes qui résultent de cette compression statistique sont appelées composantes. Ce procédé vise à maximiser (statistiquement) la quantité d'information (ou variance) des données originales dans un nombre restreint de composantes. Par exemple, l'analyse des composantes principales, peut transformer des données provenant de sept bandes du capteur TM/Landsat (Thematic Mapper) de façon à ce que les trois principales composantes de la transformation contiennent plus de 90% de l'information contenue dans les sept bandes initiales. L'interprétation et l'analyse de ces trois composantes, en les combinant visuellement ou numériquement, est plus simple et plus efficace que l'utilisation des sept bandes initiales. L'analyse des composantes principales ou d'autres transformations complexes peuvent être utilisées comme techniques de rehaussement visuel pour faciliter l'interprétation ou pour réduire le nombre de bandes qui seront fournies comme données d'entrée à une procédure de classification numérique. Ces procédures sont décrites dans la prochaine section.

Signaler un problème ou une erreur sur cette page
Veuillez sélectionner toutes les cases qui s'appliquent :

Merci de votre aide!

Vous ne recevrez pas de réponse. Pour toute demande, contactez-nous.

Date de modification :