Tutoriel classification d’images avec QGis: 2.2- Rehaussement des images

Pour commencer il faut bien comprendre que l’on applique le rehaussement des images afin de faciliter l’interprétation visuelle et la compréhension des images. Le rehaussement ne va pas changer les valeurs radiométriques des objets présents dans l’image, il va juste permettre à un observateur une meilleure vision de ces objets. Cette étape, donc, ne sert qu’à aider l’utilisateur à définir les échantillons d’apprentissage et les signatures à utiliser dans la classification.

Les images numériques ont l’avantage de nous permettre de manipuler assez facilement les valeurs enregistrées pour chaque pixel. Même s’il est possible d’effectuer les corrections radiométriques pour les effets de l’illumination solaire, les conditions atmosphériques et les caractéristiques des instruments utilisés avant de distribuer les images aux usagers, il peut s’avérer que l’image ne soit pas à son meilleur pour l’interprétation visuelle. Les systèmes de télédétection, et spécialement ceux qui utilisent une plate-forme spatiale, doivent être conçus de façon à pouvoir traiter les différents niveaux d’énergie propres aux cibles et à leur environnement, susceptibles d’être rencontrés dans une utilisation normale. Cette variation importante dans la réponse spectrale des différents types de cibles (ex. : forêt, désert, neige, eau, etc.) rend impossible l’application d’une correction radiométrique générale capable d’optimiser le contraste et les niveaux d’intensité dans chacune des conditions. Il faut donc faire un ajustement différent des tons en fonction de l’utilisation et de l’état de chacune des images.


Continuer la lecture de « Tutoriel classification d’images avec QGis: 2.2- Rehaussement des images »

Tutoriel classification d’images avec ArcMap: 2.2- Rehaussement des images

Pour commencer il faut bien comprendre que l’on applique le rehaussement des images afin de faciliter l’interprétation visuelle et la compréhension des images. Le rehaussement ne va pas changer les valeurs radiométriques des objets présents dans l’image, il va juste permettre à un observateur une meilleure vision de ces objets. Cette étape, donc, ne sert qu’à aider l’utilisateur à définir les échantillons d’apprentissage et les signatures à utiliser dans la classification.

Les images numériques ont l’avantage de nous permettre de manipuler assez facilement les valeurs enregistrées pour chaque pixel. Même s’il est possible d’effectuer les corrections radiométriques pour les effets de l’illumination solaire, les conditions atmosphériques et les caractéristiques des instruments utilisés avant de distribuer les images aux usagers, il peut s’avérer que l’image ne soit pas à son meilleur pour l’interprétation visuelle. Les systèmes de télédétection, et spécialement ceux qui utilisent une plate-forme spatiale, doivent être conçus de façon à pouvoir traiter les différents niveaux d’énergie propres aux cibles et à leur environnement, susceptibles d’être rencontrés dans une utilisation normale. Cette variation importante dans la réponse spectrale des différents types de cibles (ex. : forêt, désert, neige, eau, etc.) rend impossible l’application d’une correction radiométrique générale capable d’optimiser le contraste et les niveaux d’intensité dans chacune des conditions. Il faut donc faire un ajustement différent des tons en fonction de l’utilisation et de l’état de chacune des images.

Continuer la lecture de « Tutoriel classification d’images avec ArcMap: 2.2- Rehaussement des images »

Tutoriel classification d’images avec ArcMap: 2.1 Correction atmosphérique des images Landsat 8

Nous avons vu précédemment comment corriger les images Landsat pour avoir la réflectance TOA (top-of-atmosphere). Voilà un schéma qui va nous aider à comprendre la suite:

La réflectance que nous avons calculé est donc le % de lumière réfléchie par rapport à la totalité de la lumière visible incidente. Mais comme on le voit dans le schéma, le capteur du satellite mesure deux choses en même temps: la lumière réfléchie par nos cibles à la surface de la terre, plus la lumière diffusée par les particules en suspension dans l’air.

On peut pousser la correction atmosphérique des images satellites pour enlever la partie de lumière due à la diffusion.

Comme nous l’avons déjà dit, ceci n’a d’intérêt que si vous travaillez sur des images séparées dans le temps. Le pourcentage de diffusion étant le même pour l’ensemble d’une image, c’est du temps perdu de faire cette correction.

Le mode d’emploi pour effectuer cette correction sur les images Landsat est disponible à l’adresse http://www.gisagmaps.com/landsat-8-atco-guide/ 

Mais si vous êtes débutant, vous aurez du mal à comprendre la marche à suivre. Nous allons la voir ici, en utilisant les outils d’ArcMap.

Continuer la lecture de « Tutoriel classification d’images avec ArcMap: 2.1 Correction atmosphérique des images Landsat 8 »

Tutoriel classification d’images avec ArcMap: 1- Introduction

Tout d’abord, un avertissement: ce tutoriel ne s’adresse pas aux utilisateurs dont le traitement d’images spatiales est leur métier. Il s’adresse aux utilisateurs de SIG qui doivent se lancer dans le traitement d’images dans le but d’enrichir leur données. Le but est d’aplanir les écueils du débutant et de fournir quelques bases théoriques pour ne pas simplement suivre une recette de cuisine. Les aspects théoriques ne sont donc pas exhaustifs et on se permettra quelques approximations pour ne pas rendre le discours incompréhensible pour le néophyte.

Une grande partie des explications est tirée de l’excellent site de Ressources naturelles Canada, auxquelles nous avons ajouté toute la partie pratique avec ArcMap.  Vous trouverez sur notre site, en parallèle,  le même tutoriel mais adapté aux outils proposé par QGis .

Parmi la grande variété d’outil proposés par ArcGis pour réaliser le travail de classification d’images, nous utiliserons dans ce tutoriel:

  • la barre d’outils « Classification d’images »
  • la fenêtre Image Analysis
  • les outils batch de la Toolbox

Le tutoriel abordera les trois grandes phases du travail de classification d’images:

  • le prétraitement et l’exploration des données
  • la classification d’images à proprement parler
  • le post-traitement des classifications
Continuer la lecture de « Tutoriel classification d’images avec ArcMap: 1- Introduction »

Partagez vos ressources(symboles,images,scripts) pour Qgis avec le nouveau plugin Resource Sharing

Le plugin QGis resource sharing est maintenant disponible. Ce plugin permet de partager tout type de ressources pour QGis: des bibliothèques de symboles, de styles, des images et des scripts. Ces éléments peuvent être entreposés  à distance (pour l’instant le plugin supporte Github et Bitbucket comme dépôts publics), le système de fichiers local, ou un serveur http avec des collections zippées. Continuer la lecture de « Partagez vos ressources(symboles,images,scripts) pour Qgis avec le nouveau plugin Resource Sharing »