Filière Ingénieur : Sciences et Ingénierie de l’Environnement
Classification d’image sous ArcGis
Classification supervisée
Supervisé par : AZMI Rida
Année universitaire 2014 / 2015
ArcGis 10.x
La classification d’image Landsat sous ArcGis
Fonctionnement de l’outil Classification de
vraisemblance maximale sous ArcGis L'algorithme utilisé par l'outil Classification de vraisemblance maximale repose sur deux principes : Les cellules dans chaque exemple de classe dans l'espace multidimensionnel sont réparties normalement Le théorème de Bayes de prise de décision L'outil tient compte à la fois des variances et des covariances des signatures de classe lors de l’attribution de chaque cellule à l'une des classes représentées dans le fichier de signatures. En supposant que la distribution d'un exemple de classe est normale, une classe peut être caractérisée par le vecteur moyen et la matrice de covariance. Compte tenu de ces deux caractéristiques pour chaque valeur de cellule, la probabilité statistique est calculée pour chaque classe. Elle permet de connaître l’appartenance des cellules en fonction de la classe. Lorsque l'option Pondération de probabilité à priori EGALE par défaut est spécifiée, chaque cellule est affectée à la classe dont elle est le plus susceptible d’être membre. Lorsque la probabilité de quelques classes est supérieure (ou inférieure) à la moyenne, vous devez utiliser l’option a priori FICHIER avec un Fichier de probabilité à priori en entrée. Les pondérations des classes avec les probabilités spéciales sont spécifiées dans ce fichier. Dans ce cas, un fichier a priori permet d’attribuer des cellules qui figurent dans la superposition entre deux classes. Ces cellules sont affectées plus correctement à la classe appropriée pour obtenir une meilleure classification. Cette pondération relève de la méthode bayésienne. Lorsque vous choisissez l’option a priori ECHANTILLON, les probabilités associées aux classes échantillonnées dans le fichier de signatures sont proportionnelles au nombre de cellules associées à chaque signature. Par conséquent, les classes qui ont moins de cellules que la moyenne dans l'exemple reçoivent des pondérations au- dessous de la moyenne. Celles qui ont plus de cellules reçoivent des pondérations supérieures à la moyenne. En conséquence, ces classes sont associées à plus ou moins de cellules. Lorsqu'une classification de probabilité maximale est effectuée, vous pouvez également obtenir un raster de confiance en sortie facultatif. Ce raster affiche les niveaux de confiance de classification. Le nombre de niveaux de confiance est 14, mis directement en rapport avec le nombre de valeurs de la fraction des rebuts autorisés. Le premier niveau de confiance (codé dans un raster 1) comprend des cellules dont la distance la plus courte par rapport au vecteur moyen est enregistrée dans le fichier de signatures. La pertinence de la classification de ces cellules est donc optimale. Les cellules qui comprennent le deuxième niveau de confiance seraient classées (valeur de la cellule 2 dans le raster de confiance) uniquement si la fraction du rebut est 0,99 ou inférieure. Le niveau de confiance le plus bas a une valeur de 14 sur le raster de confiance. Il affiche les cellules qui seraient très probablement classées de manière aléatoire. A ce stade, les cellules ne sont pas classées lorsque la fraction est de 0,005 ou plus. ArcGis 10.x
Début du TP : Données d’entrée : Nous avons une image satellitaire de moyenne résolution sur la zone nord est de la ville d’Agadir Nous avons un fichier de forme permettant de délimiter précisément notre zone d’étude Tableau des caractéristiques de ces images :
La première étape consiste de faire une correction radiométrique de l’image d’entré
afin de minimiser certaine perte d’information La correction radiométrique se fait dans notre cas avec un toolbox qui s’ajoute dans la boite à outil d’ArcGis Deuxième étape consiste de faire une comparaison de l’image brute et l’image résultat de la correction radiométrique Troisième étape consiste de commencer la classification avec l’outil image classification
- La première étape consiste de créer les parcelles d’entrainement de notre image
d’entrée - Evaluer les parcelles ArcGis 10.x
- Exécuter la classification - Valider la classification
