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