Académique Documents
Professionnel Documents
Culture Documents
1diapo Memoire 2015
1diapo Memoire 2015
PLAN
- Introduction
- Gnralits sur le Traitement dImages
- La logique Floue en Traitement dImages
- Conception et Ralisation
- Exprimentaton
- Conclusion
INTRODUCTION
INTRODUCTION
Le traitement dimages numrique est en plein
progrs, et ses dernires annes, la production de
documents par lintermdiaire des images
satellitaire a subi dimportantes volutions. La
classification est une des mthodes mathmatique
danalyse dimages, dans ce mmoire nous avons
choisi de lutiliser par une approche floue afin de
cartographier les diffrents thmes doccupation
des sols.
dimages :
- Bitmap
- Image vectorielle
Quelque concepts et dfinition :
- Pixel
- La luminance
- Le contraste
- Palette de couleurs
Format de fichiers :
Windows Bitmap (BMP)
Tagged Image File Format (TIFF)
Joint Photographic Expert Group (JPEG)
Graphics interchange Format (GIF)
Portable network Graphics (PNG)
Binarisation
Convolution
Filtrage
CONCEPTION ET RALISATION
Lenvironnement de travail :
Nous avons choisi MATLAB MATrix
LABoratory , cest un logiciel de programmation
de 4eme gnration. Il a t conu en 1970 par
Cleve Moler. Par dfaut, toute les variables sont
des tableaux, il permet de faire de la
programmation matricielle ce qui rend la
manipulation des images plus aises.
Algorithme K-Means :
Dans cet algorithme, le choix des centres initiaux
seffectue sur la base dun tirage alatoire. Les
points sont gomtriquement reprsents dans
lespace vectoriel muni dune distance.
Algorithme FCM :
Il ncessite la connaissance pralable du nombre
de clusters et gnre les classes par un processus
itratif.
EXPERIMENTATION
CHAPITRE IV : EXPERIMENTATION
Les donnes utilises :
Limage est une fentre multispectrale 256 x 256,
extraite des donnes XS de SPOT de la rgion de
Oued Aissi.
Limage a un sol de rsolution de 30 x 30m et
couvre plus de 58 millions de m. Une rgion
diversifi idal pour tester les techniques
dveloppes.
CHAPITRE IV : EXPERIMENTATION
-
Figure 1
Figure2
CHAPITRE IV : EXPERIMENTATION
- Figure 3 : canal de la bande infrarouge XS3.
- Figure 4 : composition colore usuelle (RVB) des trois
bandes prcdentes (Figure 1, 2 et 3).
Figure 3
Figure 4
CHAPITRE IV : EXPERIMENTATION
Prsentations des rsultats :
Nous avons procd deux analyses non
supervise allant de 3 4 classes et ce pour
estimer laffectation des diffrents thmes
doccupation des sols.
CHAPITRE IV : EXPERIMENTATION
K-Means : les figures suivantes reprsentes les
rsultats obtenues.
Figure 5 k-means
avec 3 classes
Figure 6 k-means
avec 4 classes
CHAPITRE IV : EXPERIMENTATION
FCM : les figures suivantes reprsentes les
rsultats obtenues.
Figure 7 FCM
avec 3 classes
Figure 8 FCM
avec 4 classes
CONCLUSION
CONCLUSION
Chaque point a une probabilt dapartenance
chaque groupe (classe) avec la mthode FCM,
plutt que compltement un seul cluster avec KMEANS. La classification Neuro Floue amliorera
encore les rsultats cause de lutilisation dautres
informations, ce qui nest pas le cas de KMEANS, on conclue que FCM et plus performant.