Transformation d`images de télédétection

Support de cours M1 SIIG3T - Traitement d’images - J-P Cherel 2010
transformation d'images de télédétection
Transformation d'images de télédétection
Utilisation du projet Salagou_LandsatTM_09_1999
Les transformations d'images sont des opérations similaires à celles de rehaussement de l'image.
Cependant, alors que le rehaussement s'applique à une seule bande de données à la fois, la
transformation d'images est un procédé qui implique la manipulation de plusieurs canaux :
-
pour transformer une image provenant d'un capteur multispectral,
pour transformer plusieurs images de la même région prises à des moments différents (données
multitemporelles).
La transformation d'images génère une ''nouvelle'' image = néo-canal en combinant les différentes sources
d'information de manière à rehausser, synthétiser, extraire certaines caractéristiques ou certaines
propriétés des données peu visibles sur les canaux d’origine.
L'objectif des transformations multispectrales est triple :
convertir des luminances mesurées par le satellite en variables thématiques ayant une
signification dans les domaines de l'environnement, comme la biomasse, la couverture foliaire,
l'humidité d'un sol, etc.
construire des indicateurs synthétiques permettant de décrire l'état d'un phénomène. L’indice de
végétation (NDVI) rend compte par exemple de l'état, du stade de croissance de la végétation à un
moment donné.
réduire le nombre des données par la sélection des données les + utiles. Les canaux (7 pour
Landsat TM) d’une même scène sont souvent corrélés entre eux ce qui entraîne une redondance de
l'information. La transformation permet de synthétiser l’information.
Le calcul de ces nouvelles couches d'information synthétiques s'appuie sur des méthodes d'analyse
statistique et des combinaisons arithmétiques de canaux (appelées aussi rapports spectraux)
débouchant sur la création de nouveaux canaux (néo-canaux).
Un grand nombre de ces transformations multispectrales se basent sur les bandes rouge et infrarouge.
Plusieurs raisons à cela :
c'est entre les bandes rouge et infrarouge qu'on observe les plus grands écarts de réflectance
entre la végétation et les sols,
le canal infrarouge possède la plus grande richesse d'information (variance élevée),
l'interprétation des bandes rouge et infrarouge en termes d'occupation du sol est assez aisée,
ces bandes sont présentes sur pratiquement tous les capteurs (Spot, Landsat, NOAA, lkonos, …)
permettant certaines comparaisons entre différentes sources d'images.
Les rapports spectraux
Les transformations de base utilisent des opérations arithmétiques simples (+,
- , x, /)
La soustraction d'image est souvent utilisée pour identifier les changements survenus entre des images
obtenues à des dates différentes.
On utilise 2 images géométriquement liées que l'on soustrait en enlevant les valeurs d'intensité de
chaque pixel d'une image aux valeurs d'intensité de chaque pixel correspondant dans l'autre image. Une
mise à l'échelle peut ensuite être faite en additionnant une valeur constante (par exemple 127) à chaque
pixel résultant de la soustraction. Cette transformation peut être utile pour identifier les zones de
développement urbain ou pour évaluer la déforestation.
Des rapports plus complexes entre des sommes et des différences de bandes spectrales ont été
développés, appelés indices. Il existe une très grande variété de ces indices qui s'appliquent à des études
sur la végétation, les sols, le milieu urbain ,...
1
Support de cours M1 SIIG3T - Traitement d’images - J-P Cherel 2010
transformation d'images de télédétection
Le plus connu des indices est l'indice de végétation normalisé (NDVI). Son principe repose sur le fait
qu'un couvert végétal absorbe l'énergie dans la bande rouge et réfléchit beaucoup dans le PIR, d'où la
formule :
NDVI = (PIR - R) / (PIR + R)
C'est une transformation très utilisée pour surveiller l'état de la végétation à l'échelle continentale ou du
globe. Une multitude d'autres indices de végétation ont été développés :
Colour vegetation index = V – R
Différence = R – PlR
Rapport = PIR / R
2
2
2
2 1/2
Indice d'irrigation = (B + V + R + PIR )
Green vegetation index = - 0,290 B - 0,562 V + 0,6R + 0,491 PIR
Ces indices de végétation doivent être utilisés avec précaution, lorsqu'on les applique à des images qui
n'ont pas été corrigées des effets atmosphériques et des divers effets d'angle.
Certains indices sont influencés par les propriétés optiques des sols sous-jacents, d'où une autre gamme
d'indices permettant, en théorie, de réduire cette erreur : par exemple le perpendicular vegetation index ;
le Tasseled-cap ; l'indice de végétation ajusté au sol ; etc.
En pédologie, de nombreux indices ont été créés pour mettre en évidence diverses composantes du sol :
2
2 1/2
l'indice de brillance = (R + PIR ) , le plus connu,
2
3
l'indice de rougeur d'un sol = R / B x V ,
l'indice de couleur d'un sol = R – V / R + V.
Un des avantages de l'utilisation des rapports spectraux est la réduction de l'effet de variation de
l'illumination solaire causé par la topographie. Le fait de calculer des valeurs relatives (des rapports)
plutôt que des valeurs absolues d'intensité produit une 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.
L'analvse en composantes principales (ACP)
Une ACP se déroule selon les méthodes statistiques traditionnelles, la particularité pour la télédétection
réside dans le très grand nombre de données à traiter (les pixels).
L'approche générale consiste à définir, dans l'espace multispectral, de nouveaux canaux résumant
l'information contenue dans l'image. Ce procédé vise à donc maximiser (statistiquement) la quantité
d'information (ou variance) des données originales dans un nombre restreint de composantes.
De plus, les données de bandes multispectrales différentes ont souvent une corrélation très élevée et
contiennent de l'information similaire. Les nouveaux canaux découplés apportent ainsi une information
nouvelle. Ainsi, si l'on travaille sur les 3 canaux SPOT, on obtient trois composantes principales ACP1,
ACP2, ACP3. Dans la plupart des cas, on trouve alors les ordres de grandeurs suivants.
L'axe 1 est assez proche de la somme des valeurs de comptes numériques pour un même pixel.
Cela ressemble à un canal panchromatique. En simplifiant, ce néo canal contient plus des 2/3 de
l'information multispectrale d'origine,
La deuxième composante met généralement en valeur l'opposition entre le visible et l'infra
rouge. Cela ressemble à un indice de végétation dont la formule brute serait du type : IR - R.
C'est donc sur ce canal que l'on détectera le mieux les divers types de végétation,
L’ ACP3 met plutôt en valeur les différences entre les deux canaux du visible.
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.
2
Support de cours M1 SIIG3T - Traitement d’images - J-P Cherel 2010
transformation d'images de télédétection
Lancement du module de combinaison de canaux sous TNT
1) Création d'indices
Exemple de calcul du Tasseled-Cap sur
les 6 bandes TM non thermiques = TM1,
TM2, TM3, TM4, TM5 et TM7
indice de brillance (> brillance sol)
indice de verdeur (> indice de veg)
indice d'humidité (> humidité sol)
3
Support de cours M1 SIIG3T - Traitement d’images - J-P Cherel 2010
transformation d'images de télédétection
2) Création de composantes principales (ACP)
4