TP EP201 Exemple de traitement d`images satellite
Transcription
TP EP201 Exemple de traitement d`images satellite
TP EP201 Exemple de traitement d'images satellite Enseignante : S. Le Hégarat Objectif : L'objectif du TP est de comparer différentes approches en détection de changement. Dans le cadre du TP, on se limitera à certaines approches fondées sur la classification aveugle ou pixel par pixel. Pour l'application considérée, les images sont celles acquises par le capteur SPOT/HRV (pixels de résolution 20m×20m) en Provence près de Rognes, avant et après l'incendie de fin juillet 1989 : les dates d'acquisition des images sont 15/07/1989 et 04/09/1989. Les données à une date consistent en l'image des valeurs de réflectances acquises dans les trois bandes de SPOT (B,R,PIR). Elles sont parfaitement superposables. Les résultats devront être commentés en termes de restitution de la zone brûlée définie par la zone entourée sur la figure suivante : 10.24 km ©CNES/ISIS Programme : Vous écrirez un programme sous Matlab qui devra notamment : - lire les fichiers image en entrée (BSQ, codé par des nombres réels, de taille 512×512 pixels) ; - calculer un ou plusieurs indices de végétation (pour comparer les résultats obtenus avec chacun d'eux) ; - afficher les images d'indice de végétation ; - faire la classification en distance euclidienne des images selon les quatre classes de moyennes respectives {0.00; 0.15; 0.20; 0.40} ou d'autres valeurs si vous le jugez plus pertinent ; - faire la différence binaire des classifications correspondant respectivement à l'image du 15/07/1989 et à celle du 04/09/1989 ; comparer au résultat obtenu en faisant la classification en trois classes de l'image différence temporelle des indices de végétation. Pour obtenir les moyennes des classes vous pourrez appeler la fonction Matlab "kmeans". Compte-rendu : Dans votre compte-rendu, vous inclurez le listing du programme Matlab ainsi que des commentaires sur les résultats obtenus. Ces commentaires devront mettre en évidence votre sens de l'analyse des résultats de classification/détection de changement. Ils s'appuieront sur les sorties de votre programme, que vous devez donc également inclure dans le compte-rendu. Annexes : On rappelle - Que le codage BSQ entrelace les différentes bandes, bande par bande : pour une image à N×M pixels et P bandes, le fichier-image contient successivement les N×M pixels de la première bande, les N×M pixels de la deuxième bande, …., et les N×M pixels de la Pième bande. - Que l'estimateur de la classification aveugle en distance euclidienne s’écrit { } l s = arg min ( x s − µ i )2 , i où µi est le centre (ou la moyenne) de la classe i, xs la valeur observée du pixel s, et ls son label. - La fonction "kmeans" de Matlab prend en paramètre d’entrée un vecteur (et non une matrice) des échantillons (éventuellement vectoriels) de taille raisonnable (∼104) et le nombre de classes recherchées, et renvoie en sortie la partition de l’ensemble des échantillons dans les différentes classes et un tableau des caractéristiques (éventuellement vectorielles) des différentes classes - Les formules d'estimation des principaux indices de végétation : Dénomination Formule Différence DVI = PIR − R RVI = Rapport Indice de Végétation normalisé NDVI = Indice de végétation transformé TVI = SAVI = Indice de végétation ajusté au sol Indice de végétation pondéré SAVI Modifié Indice de végétation 2 axes Indice de Végétation normalisé corrigé des effets atmosphériques Indice de Végétation normalisé corrigé des effets atmosphériques ajusté au sol Indice de suivi de l’environnement global PIR R PIR − R PIR + R PIR − R + 0.5 PIR + R PVI = aPIR − bR + c Indice de végétation perpendiculaire SAVI transformé Caractéristiques Forte sensibilité aux variations atmosphériques Saturation aux forts indices Sensibilité aux caractéristiques des sols et à l’atmosphère Sensibilité aux caractéristiques des sols et à l’atmosphère ainsi qu’aux effets angulaires de visée Elimination des valeurs négatives, stabilisation de la variance Diminution légère de la contribution spectrale des sols TSAVI = (1 + L )(PIR − R ) Diminution de la contribution spectrale des sols PIR + R + L où L=0.5 a(PIR − aR − b ) ( + 0.008. 1 + a 2 ) R + a(PIR − b ) où PIRsol = aRsol + b WDVI = PIR − aR a = pente de la droite des sols (1 + L )(PIR − R ) MSAVI = PIR + R + L où L = 1 − 2a( NDVI × WDVI ) et a pente de la droite des sols (1+ L)(PIR − R − ∆) TWVI = PIR + R + L ∆ = 2 exp(−kLAI )D idem idem idem idem D = (PIRsol − aRsol − b)/(1+ a ) 2 0.5 avec L=facteur d'ajustement lié au sol, varie entre 0 et 1 PIR − RB ARVI = PIR + RB où RB = R − γ (B − R ) et γ dépend de type d’aérosols (valeur par défaut à 1) a(PIR − aRB − b ) TSARVI = + 0.08. 1 + a 2 RB + a(PIR − b ) où PIRsol = aRsol + b ( ) Correction des effets atmosphériques Correction des effets atmosphériques et du sol GEMI = η (1 − 0.25η ) − ( R − 0.125) /(1 − R ) 2( PIR 2 − R 2 ) + 1.5PIR + 0.5R η= ( PIR + R + 0.5) Correction des effets atmosphériques et du sol