Tutoriel SCP:réussir un classement supervisé avec calcul de texture(4)-ACP des dix bandes de r.texture

Dans cette série d’articles nous utilisons le plugin SCP de QGis pour effectuer un classement supervisé avec calcul de texture. Nous avons vu dans un article précédent le traitement classique des trois bandes RVB des images photographiques de drone sur une zone littorale. Dans l’article suivant nous avons vu le traitement après calcul des valeurs de texture de ces mêmes images.

Le traitement que nous allons voir ici n’a, généralement, du sens que si le nombre de bandes disponibles et important. Mais il peut s’avérer utile avec un nombre réduit de bandes, 4 par exemple.

Continuer la lecture de « Tutoriel SCP:réussir un classement supervisé avec calcul de texture(4)-ACP des dix bandes de r.texture »

Tutoriel SCP:réussir un classement supervisé avec calcul de texture(3)-bandes RVB+calculs de texture

Dans cette série d’articles nous utilisons le plugin SCP de QGis pour effectuer un classement supervisé avec calcul de texture. Nous avons vu dans l’article précédent le traitement classique des trois bandes RVB des images photographiques de drone sur une zone littorale.

Dans cet article nous allons voir le traitement après calcul des valeurs de texture de ces mêmes images.

Continuer la lecture de « Tutoriel SCP:réussir un classement supervisé avec calcul de texture(3)-bandes RVB+calculs de texture »

Tutoriel SCP:réussir un classement supervisé avec calcul de texture(2)-bandes RVB

Dans cette série d’articles nous utilisons le plugin SCP de QGis pour effectuer un classement supervisé avec calcul de texture. Nous allons voir trois traitements différents pour la même zone littorale:

  • le traitement classique des trois bandes RVB des images photographiques de drone
  • le traitement après calcul des valeurs de texture de ces mêmes images
  • le traitement après calcul des composantes principales des valeurs de texture
Continuer la lecture de « Tutoriel SCP:réussir un classement supervisé avec calcul de texture(2)-bandes RVB »

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 »

Tutoriel classification d’images avec QGis: 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 QGis.  Vous trouverez le même tutoriel mais adapté aux outils proposé par ArcGis sur notre site.

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

  • le plug-in SEMI AUTOMATIC CLASSIFICATION
  • les outils de traitement de QGis

Le plug-in SEMI AUTOMATIC CLASSIFICATION est tellement performant que l’on pourrait se contenter de  lui pour l’ensemble du tutoriel. Mais dans ce cas il serait un boîte noire et vous ne sauriez pas faire ce qu’il fait. Nous verrons donc comment faire les différentes opérations sans utiliser le plugin (par exemple la correction atmosphérique) et après, nous verrons comment gagner du temps avec l’utilisation du plugin (en cochant une case pour la correction atmosphérique!).

Nous donnerons la marche à suivre pour les versions 2.18 et 3.4 de QGis.

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 QGis: 1- Introduction »

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 »