|
|
Exercice 2 : Détection de la lave et classification dirigée  Classification dirigée Nous allons maintenant apprendre à effectuer une classification semi-automatique afin de détecter la lave et les changements inhérents à un volcan. Les résultats de la classification reposent sur la différence de réponse spectrale des caractéristiques perçues (par ex. la végétation, la zone urbaine, la lave, les sols) dans les différentes bandes spectrales.
L'intervention humaine est nécessaire à l'exécution d'une classification dirigée. Des champs de références sont tracés afin de former le logiciel à reconnaître quelles valeurs de pixels appartiennent à quelles classes. Le logiciel assigne chaque pixel à une certaine classe, en exécutant la classification au moyen de l'algorithme de maximum de vraisemblance (voir didacticiel à partir de la p.52). Définition d'une classe Tout d'abord, déterminez ce que vous voulez étudier. Pour classer différents types de végétation, vous sélectionnerez les champs de référence différemment que si vous vouliez distinguer la lave de la végétation ou d'autres caractéristiques. Cet exercice présente deux objectifs :
Les nuages posent un gros problème lors de l'exécution de classifications d'images optiques, tout comme les ombres des nuages qui, dans certaines bandes, peuvent être confondues avec d'autres caractéristiques de valeurs « sombres » (comme la lave). Il existe deux façons de filtrer les nuages et leurs ombres : 1) en créant un masque de nuage (cloud mask) (le masquage automatique se fait au moyen d'un algorithme de seuil ou de classification et/ou d'une numérisation manuelle, afin de pouvoir ultérieurement supprimer de l'image les zones de pixels concernées) ou 2) en créant une classe spécifique pour les nuages et les ombres (comme pour l'image de 2001). Les classes prédéfinies sont les suivantes :
Last update: 6 mai 2013
| ||||||||||||||||||||||||||||||||||||||
1