Classification supervisée d’images de drone en milieu littoral (3) : statistiques descriptives de texture

Dans l’article précédent (https://www.sigterritoires.fr/index.php/classification-supervisee-dimages-de-drone-en-milieu-littoral-2-calculs-de-texture/) nous avons vu deux groupes de mesure de texture, celui du contraste et celui de l’ordre. Nous verrons ici le troisième et dernier groupe, celui des statistiques descriptives

Groupe de statistiques descriptives de la mesure de texture GLCM

Le troisième groupe de mesures de la texture utilise des équations semblables à celles des statistiques descriptives courantes, comme la moyenne ou l’écart-type (ou la variance). Cependant, tous sont calculés en utilisant les entrées dans la GLCM, pas les valeurs de pixels d’origine.

Continuer la lecture de « Classification supervisée d’images de drone en milieu littoral (3) : statistiques descriptives de texture »

Classification supervisée d’images de drone en milieu littoral (2) : calculs de texture

Dans l’article précédent (https://www.sigterritoires.fr/index.php/classification-supervisee-dimages-de-drone-en-milieu-littoral-1-utilisation-de-la-texture/ ) nous avons vu comment calculer la matrice de co-occurrence de niveau gris (GLCM) qui est à la base des calculs de texture d’image.

Nous avions calculé les fréquences des paires de pixels présents dans notre fenêtre de calcul. Travailler avec des fréquences rend la comparaison entre fenêtrees diffcile. C’est pourquoi nous travaillerons avec une matrice « normalisée ».

Continuer la lecture de « Classification supervisée d’images de drone en milieu littoral (2) : calculs de texture »

Classification supervisée d’images de drone en milieu littoral (1) : utilisation de la texture

L’accessibilité des drones et des moyens logiciels d’acquisition d’images aériennes permet aujourd’hui d’avoir des couvertures d’images à des échelles extrêmement fines pour appuyer les travaux en environnement littoral. Des pixels de l’ordre du millimètre ne sont plus un rêve. Mais tout ce qu’on a gagné en définition par rapport aux images satellitaires, on l’a un peu perdu en ce qui concerne le multi spectral. Les images photographiques se cantonnent aux trois bandes Rouge-Vert-Bleu. On travaillait avec plus d’une dizaine de bandes spectrales et des pixels de 3 ou 5 mètres, on se retrouve avec des pixels d’un centimètre et seulement trois bandes spectrales. La classification supervisée qui nous permet rapidement de cartographier les différentes biocénoses a gagné en précision et perdu en discrimination.

Nous allons aborder dans une série d’articles un moyen de palier à cette perte de bandes spectrales en analysant la texture des images et en utilisant ces résultats pour affiner la discrimination de la classification supervisée.

Continuer la lecture de « Classification supervisée d’images de drone en milieu littoral (1) : utilisation de la texture »

Utiliser R dans les traitements QGis 3

La plupart des logiciels SIG d’aujourd’hui, y compris ArcGIS, QGIS, GRASS et d’autres applications industrielles et open source, utilisent Python comme langage de script et de complément pour les plugins. Ce langage est aussi utilisé pour les besoins de programmation qui peuvent accroître les fonctions d’analyse spatiale et de traitement spatial.

Dans la suite de cette logique, une intégration récente du paquet statistique R a été réalisée pour son utilisation dans QGIS. Les utilisateurs peuvent accéder à la bibliothèque d’analyse spatiale de R (de plus en plus utilisée) dans le panneau de traitements.

Le fournisseur de traitements R dans Qgis

Bien que R soit essentiellement un ensemble de statistiques, son utilisation s’est étendue à un certain nombre de domaines, comme le traitement du langage naturel. Cette bibliothèque possède également de solides outils d’analyse spatiale, y compris l’analyse des distributions de points et la modélisation géostatistique bayésienne. Il peut lire et gérer une variété de données vectorielles et raster, y compris les fichiers shapefiles, NetCDF et GDAL.

Continuer la lecture de « Utiliser R dans les traitements QGis 3 »

Travailler sur un catalogue d’images aériennes ou satellitaires avec QGis 3

Quand on dispose d’une couverture d’images aériennes ou satellitaires, géoréférencées il faut trouver un moyen efficace d’accéder au images individuelles pour, par exemple, procéder à la numérisation d’entités géographiques.

Avec QGis 3 on dispose d’un outil puissant, l’index des tuiles. Il permet de créer une couche avec les emprises des images individuelles avec un lien vers les fichiers image.

Sur cette couche , on peut définir une action déclenchée sur le clic de la souris sur une emprise, pour charger directement l’image concernée dans la fenêtre cartographique.

Voici le mode opératoire.

Continuer la lecture de « Travailler sur un catalogue d’images aériennes ou satellitaires avec QGis 3 »

Migrer un script R de QGis vers RStudio

La possibilité d’exécuter des scripts R dans QGis est bien pratique. Par contre, si on démarre avec R ce n’est pas l’environnement le plus facile. Modifier quelques instructions d’un modèle de script ne pose pas trop de problèmes, mais écrire un script plus compliqué vaut bien la peine de travailler avec un environnement plus complet, tel que R Studio. La possibilité d’exécuter les lignes pas à pas, l’accès au contenu des variables, la fenêtre des graphiques, bref, la disponibilité d’un véritable environnement de développement est un atout pour tout débutant.

Le premier problème auquel on est confronté, quand on a un modèle de script sous QGis et que l’on veut l’utiliser et modifier dans RStudio est l’accès aux données. L’interface de QGis avec les scripts R se fait à travers les lignes de code précédées par des ##:

Continuer la lecture de « Migrer un script R de QGis vers RStudio »

Une fonction PL/pgsql pour l’analyse exploratoire de données spatiales avec des polygones de Voronoï

L’analyse exploratoire des données spatiales est une étape incontournable dans les processus d’analyse spatiale.

Un des outils pour cette exploration est la construction des polygones de Voronoï. (Voir Analyse exploratoire des données pour la géostatistique:les diagrammes de Voronoï)

Si l’extension Geostatistical Analyst d’ArcGis permet une grande variété d’affichages d’une couche de polygones de Voronoï, avec QGis on est limités au simple affichage des polygones et des valeurs de l’attribut analysé. Ce qui manque c’est les différents affichages correspondant à des statistiques locales.

Dans un précédent article (Calculer des moyennes locales sur des polygones de Voronoï avec Qgis), qui commence à dater, nous avions donné les moyens d’afficher la vue « Moyenne » des polygones: Pour chaque polygone on recherche les polygones qui ont un côté ou un vertex commun avec lui, puis on calcule la moyenne d’un attribut pour cet ensemble (la moyenne du polygone central plus les valeurs des polygones adjacents). C’est cette moyenne qui est affectée au polygone au lieu de la valeur originale de l’attribut..

Continuer la lecture de « Une fonction PL/pgsql pour l’analyse exploratoire de données spatiales avec des polygones de Voronoï »

QGis 3.8, HotSpot Analysis Plugin et PySal

Tout d’abord, la date: on est le 26 juin 2019.

J’ai eu des problèmes pour installer le plugin HotSpot Analysis et le plus dur quand on cherche sur le net c’est qu’on tombe pelle mêle sur des solutions du mois dernier et d’il y a 10 ans. Mais il faut un travail de détective pour savoir de quand elles datent.

Donc, si vous êtes en 2025, il est fort probable que les solutions que je propose dans cet article ne soient plus les bonnes…

Le plugin HotSpot Analysis est une bonne alternative pour la cartographie d’auto-correlations spatiales. Par contre, il souffre, actuellement d’un manque de « finition » dans son processus d’installation et d’un petit retard de maintenance. Continuer la lecture de « QGis 3.8, HotSpot Analysis Plugin et PySal »

Tutoriel classification d’images avec QGis: 2.3- Les filtres spatiaux

Les filtres spatiaux représentent une autre méthode de traitement numérique utilisées pour le rehaussement d’une image. Ces filtres sont conçus de façon à faire ressortir ou à supprimer des caractéristiques spécifiques d’une image en se basant sur leur fréquence spatiale. La fréquence spatiale est liée au concept de texture. Elle fait référence à la fréquence de variation des différents tons qui apparaissent dans une image. Les régions d’une image où la texture est « rugueuse » sont les régions où les changements dans les tons sont abrupts; ces régions ont une fréquence spatiale élevée. Les régions « lisses » ont une variation des tons qui est plus graduelle sur plusieurs pixels; ces régions ont une fréquence spatiale faible. La méthode de filtrage spatial consiste à déplacer une « fenêtre » d’une dimension de quelques pixels (ex. : 3 sur 3, 5 sur 5, etc.) au-dessus de chaque pixel de l’image. On applique alors un traitement mathématique utilisant les valeurs des pixels sous la fenêtre et on remplace la valeur du pixel central par le résultat obtenu. La fenêtre est déplacée le long des colonnes et des lignes de l’image, un pixel à la fois, répétant le calcul jusqu’à ce que l’image entière ait été filtrée. En modifiant le calcul effectué à l’intérieur de la fenêtre, il est possible de rehausser ou de supprimer différents types de caractéristiques présents dans une image.

Continuer la lecture de « Tutoriel classification d’images avec QGis: 2.3- Les filtres spatiaux »

Imprimer des cartes web avec geoserver : évitez le plugin!

Nous verrons ici comment mettre en place une solution pour générer des pdf pour impression à partir d’une page de cartographie interactive, la page codée en OpenLayers 4 et le serveur avec Geoserver 2.14.

En principe, à lire la doc de Geoserver, tout devait être très simple: installation du plugin Print de Geoserver, test de l’install, configuration et c’est tout.

Continuer la lecture de « Imprimer des cartes web avec geoserver : évitez le plugin! »