TP Visualisation Et Traitements D'image Satellite Sur GRASS

TP visualisation
et traitements
d'image satellite
sur GRASS
OLIVIER DE JOINVILLE
aout 2010
Table des matières
Objectifs 5
I - Généralités 7
A. Méthodologie d'enregistrement des données.................................................7
B. Opérations à réaliser avant d'ouvrir Grass....................................................7
II - Ouverture et visualisation de l'image, interprétation avec

Google Earth ou Geoportail 11
A. Ouverture et visualisation de l'image, interprétation avec Google Earth ou

Geoportail...................................................................................................11
1. Ouverture de l'image en composition colorée............................................................11
2. Consultation des informations générales sur cette image............................................14
3. Ouverture de chaque canal de l'image......................................................................15
B. Exercice 01 - Ouverture et visualisation de l'image, interprétation avec Google

Earth ou Geoportail......................................................................................17
III - Découpage de l'image, analyse d'histogramme 19
A. Découpe de l'image.................................................................................19
1. 1° étape : construction d'une découpe vecteur..........................................................19
2. 2° étape : transformation du polygone vecteur en raster............................................22
3. 3° étape : découpe du raster..................................................................................25
4. 4° étape : affichage de la découpe avec les couleurs d'origine.....................................26
B. Analyse des histogrammes dans la découpe...............................................27
C. Exercice 02 - Analyse des histogrammes dans la découpe............................28
IV - Un peu de traitement d'image de base 29
A. Filtrage par détection de contours.............................................................29
B. Exercice 03 - Filtrage par détection de contours..........................................31
C. Analyse en composantes principales (ACP).................................................31
D. Exercice 4 - Analyse en composantes principales (ACP)...............................32
V - Utilisation d'outils d'aide à la photo interprétation 33
3
A. Détection de la végétation avec l'indice NDVI..............................................33
B. Exercice 5 - Détection de la végétation avec l'indice NDVI............................35
C. Classification des images..........................................................................35

1. Classifications non supervisées : Maximum likelihood.................................................35
2. Exercice 6 - Classifications non supervisées : Maximum likelihood................................40
3. Segmentation.......................................................................................................41
4. Exercice 7 - Segmentation......................................................................................42
5. Classifications supervisées......................................................................................42
6. Exercice 8 - Classifications supervisées....................................................................54
7. Outils de post classification : suppression de pixels éparses........................................54
8. Evaluation d'une classification avec une matrice de confusion......................................56
9. Exercice 9 - Evaluation d'une classification avec une matrice de confusion....................57
10. Cartographie d'une classification - Faire une légende sur une classification..................57
11. Exercice 10 - Cartographie d'une classification - Faire une légende sur une classification
...............................................................................................................................60
4
Objectifs
Ce module va vous permettre de découvrir quelques techniques simples de visualisation et

de traitement d'une image satellite sur le logiciel libre GRASS (Geographical Ressources
Analysis Support System) dans un but de photo-interprétation.
Cette formation a 2 objectifs :
1) Faire travailler les étudiants (stagiaires) sur un logiciel libre de traitement d'images, le
but étant surtout de comprendre les traitements numériques appliqués à l'image satellite et
d'en comprendre l'utilité pour l'amélioration de l'analyse de l'image. Un travail de photo
interprétation est également demandé.
2) Former les étudiants à l'organisation. En effet cette formation se faisant à distance, les
étudiants sont "livrés à eux même" sur la gestion de leur temps de travail.
5
Généralités
I -
Méthodologie d'enregistrement des données 7

Opérations à réaliser avant d'ouvrir Grass 7
A. Méthodologie d'enregistrement des données

Tous les fichiers créés sont sur le dépot de document. Ils peuvent être enregistrés
au format .jpeg ou tiff . Aller pour cela dans le Gismanager et cliquer sur .
Pour supprimer des fichiers aller dans le GisManager, File, Manage Maps and
Volumes, Delete. Il suffit alors de sélectionner les fichiers raster ou vecteur que
l'on veut détruire.
B. Opérations à réaliser avant d'ouvrir Grass
Méthode : Opérations à réaliser avant d'ouvrir Grass

A l'ouverture de Grass, nous avons l'interface suivante :
7
Généralités
Il faut définir tout de suite un système de projection pour l'image qui va être
ouverte.
Grass propose 3 façons de procéder :
 Georeferenced file
 EPSG codes
 Projection value
EPSG codes est le plus rapide, il s'agit de codes European Petroleum Survey
Group.
Cliquer donc sur EPSG Codes.
Les numéros de code apparaissent également sur le site :
http://www.mersea.eu.org/Information/References/help_EPSGCode.html.
Pour vérifier que le code EPSG de notre zone d'étude (4192 pour Douala, 27571
Lambert Zone 1, 27572 Lambert zone 2, 27573 Lambert zone 3) soit bien
8
Généralités
intégré dans Grass, il faut cliquer sur le 2° Browse pour avoir accès aux codes
implémentés.
Pour l'image Aster de Berck, prendre le code EPSG correspondant à Lambert 93 :
2154.
Après il faut cliquer sur Define Location pour valider une zone de projection.
Après il faut définir un Mapset.
C'est un dossier de travail « cartographique » personnel : pour cela saisir à la main
un nom de projet dans Create new mapset in selected location. (Eviter de
mettre le même nom que le Project location).
Cliquer ensuite sur Create new mapset.
On se retrouve avec cette interface :
A ce moment là, on peut lancer Grass (cliquer sur Enter Grass).
Méthode : Voir la vidéo
9
Ouverture et
II -
II
visualisation de
l'image,
interprétation avec
Google Earth ou
Geoportail
Ouverture et visualisation de l'image, interprétation avec
Google Earth ou Geoportail 11
Exercice 01 - Ouverture et visualisation de l'image,
interprétation avec Google Earth ou Geoportail 17
A. Ouverture et visualisation de l'image, interprétation

avec Google Earth ou Geoportail
1. Ouverture de l'image en composition colorée

Pour ouvrir une image il faut aller dans le GIS Manager et faire :
 File
 Import raster map
 Multiple raster data import using GDAL.
Cliquer sur l'onglet required, indiquez le chemin d'accès de votre image et
saisissez un nom pour votre image.
Avant de lancer l'ouverture de l'image, s'assurer qu'il n'existe aucune projection
antérieure définie dans l'image. Pour cela aller dans options et cliquer sur
Override projection.
Pour lancer l'application, cliquer sur run.
11
Ouverture et visualisation de l'image, interprétation avec Google Earth ou Geoportail
Si les paramètres de projection ont été correctement saisis, dans la fenêtre output
Gis.m on doit avoir ceci :
Maintenant pour afficher l'image en composition colorée Infra Rouge Couleur, il

faut cliquer sur l'icône et créer ainsi sa composition colorée.
12
Maintenant il ne reste plus qu'à cliquer sur dans le Map Display1 et cliquer
sur « Zoom to selected area ». On peut aussi cliquer sur l'icône .
a) Création d'une composition colorée

Pour créer une composition colorée, aller dans GisManager et faire :
Raster, Manage map colors, create RGB.
13
2. Consultation des informations générales sur cette image

Pour consulter les informations générales sur notre image de travail, il faut aller
dans le GIS Manager et aller dans Raster, Report and Statistics, Report Basic
File Information.
Cocher tout et cliquer sur pour sélectionner le canal dont vous voulez avoir une
information.
14
Cliquez sur Run et vous obtiendrez le résultat dans la fenêtre Gis.m.
3. Ouverture de chaque canal de l'image

Pour afficher un canal en niveaux de gris dans une autre fenêtre, il faut d'abord
cliquer sur cette icône (dans le Gis.manager) pour ouvrir une nouvelle
fenêtre d'affichage.
Ensuite il faut cliquer sur pour charger une couche raster et après dans Base
Map il faut saisir le bon canal.
15
Et là de la même manière, on charge le canal choisi (ici berckaster.red@berck)

dans la bonne fenêtre en faisant également « Zoom to selected area ».
Sinon on peut aussi afficher plusieurs canaux dans la même fenêtre en cliquant sur
pour chaque canal. Il suffira ensuite de cocher ou de décocher les canaux et de
cliquer sur ou pour les afficher.
Si vous souhaitez supprimer une couche, il suffit de la cocher et de cliquer sur

.
16
Remarque
1. On peut avoir les informations sur les valeurs numériques des trois canaux de
visualisation en allant dans le Map Display avec Zoom minimum, puis cliquer sur
zoom to et cliquer sur Set computational . regionextents to match
display. L'icône Query doit être active . Le résultat est sur la fenêtre Gis.m.
Après on peut zoomer sur une région et en activant à nouveau l'icône Query, on
peut obtenir à nouveau les informations radiométriques sur un point.
2. On peut décider de n'afficher qu'une plage de valeurs pour faire ressortir telle
partie du paysage dont la reflectance aura été plus ou moins importante.
Il suffit de la spécifier dans values to display, sous Base Map (on peut mettre par
exemple 100-200). Faites des tests sur des plages de valeurs significatives.
B. Exercice 01 - Ouverture et visualisation de l'image,

interprétation avec Google Earth ou Geoportail
Afficher séparément les 3 canaux de l'image.
Question 1
Que concluez-vous ?
Question 2
Repérez les principaux objets du paysage sur l'image satellite en comparant avec
Google Earth (ou Geoportail)
17
Découpage de
III -
III
l'image, analyse
d'histogramme
Découpe de l'image 19
Analyse des histogrammes dans la découpe 27
Exercice 02 - Analyse des histogrammes dans la découpe 28
Objectifs
Cette phase du TP va permettre d'apprendre à découper
une partie de l'image, ce qui servira pour créer les zones
test des classifications surpervisées.
A. Découpe de l'image
1. 1° étape : construction d'une découpe vecteur

Aller dans le Gis.m et taper la commande suivante :
v.digit -n map=decoupe {bgcmd=d.rast berckaster.red@berck}
Decoupe est le nom de la découpe vecteur. La commande entre accolades permet
d'afficher l'image en fond d'image.
Avant de saisir une zone avec un polygone, il faut créer une table, cela servira
également pour la création des zones d'intérêt pour les classifications supervisées.
Dans l'interface v.digit, cliquer sur l'icône open settings , puis cliquer sur
l'onglet table, puis add new columns.
Attention
Saisir le nom du champ en premier puis sélectionner le type (double precision).
19
Découpage de l'image, analyse d'histogramme
Cliquer sur create table afin de valider la création de la table.
Cliquer sur digitize new boundary .
Mettre en mode No category (cela signifie que la polyligne tracée n'est pas
attachée à son contour mais au centroïde, alors que Next not used signifie que
l'identifiant (cat) prendra la valeur la plus proche qui n'a pas été utilisée), ici on
saisit une polyligne fermée et pas un polygone.
Tracer la polyligne, clic gauche à chaque nœud, jusqu'à un point le plus proche
possible du point de départ et clic droit.
Faire un zoom au voisinage du point initial et du point final. Pour zoomer, il faut
sélectionner la zone de zoom avec et valider en appuyant sur la molette.
Cliquer Move vertex afin de déplacer le nœud final sur le nœud initial. Pour
cela déplacer un des 2 nœuds en laissant appuyer sur le clic gauche et valider en
recliquant (clic gauche) pour valider la super position entre les 2 nœuds. La
boundary apparaît alors en vert fluo.
20
Remarque
Pour supprimer un contour il faut cliquer sur , sélectionner le contour à effacer
en cliquant (gauche) dessus, puis reclic gauche pour confirmer, puis cliquer sur
redraw pour rafraîchir.
Maintenant il faut rajouter un centroïde afin de transformer la polyligne en

polygone. Pour cela cliquer sur l'icône digitize new centroid et, avant de
cliquer dans l'image, changer le mode : Next not used.
Dézoomer et cliquer n'importe où dans votre polyligne pour valider votre centroïde.
Mettre 1 dans decoupe.
21
Valider en cliquer sur submit ce qui validera l'enregistrement de la découpe

vecteur.
Fermer la fenêtre v.digit ce qui finira d'enregistrer la table en cliquant sur .
2. 2° étape : transformation du polygone vecteur en raster

Pour cela aller dans Gis Manager, File, Map type conversion, Vector to raster.
22
Une fois saisies la couche vecteur et la future couche raster, cliquer sur run.
Maintenant on va afficher cette couche raster nouvellement créée.
23
Aller dans le map display et cliquer sur redraw all layers .
Le polygone rouge correspond à la zone qui sera découpée. Etant au-dessus de

l'image, il la cache.
24
3. 3° étape : découpe du raster

Maintenant il faut découper le raster. Pour cela aller dans le Gis Manager et faire
Raster, Map calculator.
A = berckaster.red@berck = image d'origine

B = decoupe@test = pochoir
A*B fournit l'image découpée Decoupeberck.
Attention
Attention, il se peut qu'un traitement soit long, tant que run est grisé et qu'on voit
le petit bonhomme qui court dans Gis.m, çà veut dire que çà calcule.
Maintenant il ne reste plus qu'à afficher l'image découpée :

Pour cela dans le Gis Manager cliquer sur l'icône Base Map pour remplacer le
fichier du pochoir par le fichier de l'image découpée Decoupeberck et afficher
l'image dans le Map display en service.
On se retrouve avec çà... Ce n'est donc pas fini (courage !!!).
25
4. 4° étape : affichage de la découpe avec les couleurs

d'origine
Pour récupérer les couleurs d'origine, il faut aller dans Gis Manager, Raster,
Manage Map Colours, Color tables.
Dans cette interface, dans l'onglet options, cliquer sur Raster map name pour
chercher le fichier qui contient les couleurs d'origine (avant la découpe), ie
berckaster.red@berck.
Après dans la même interface cliquer sur l'onglet required et chercher le nom du
fichier découpé (decoupechevrons).
26
Puis réafficher l'image dans le Map Display en pensant à remettre à jour .
B. Analyse des histogrammes dans la découpe

Affichage des histogrammes
Pour afficher l'histogramme d'un canal, il faut cliquer sur l'icône dans le Gis
Manager.
Dans Raster to histogram, sélectionner le bon canal dont on veut afficher
l'histogramme et paramétrer l'affichage de l'histogramme.
27
C. Exercice 02 - Analyse des histogrammes dans la

découpe
Interpréter les histogrammes de chaque canal.
Question
Quel va être le canal le plus exploitable et pourquoi ?
28
Un peu de
IV -
IV
traitement d'image
de base
Filtrage par détection de contours 29
Exercice 03 - Filtrage par détection de contours 31
Analyse en composantes principales (ACP) 31
Exercice 4 - Analyse en composantes principales (ACP) 32
A. Filtrage par détection de contours
Définition
Ce traitement permet de faire de la détection de contours vectorisés. On va donc
créer une couche vecteur.
Ce traitement étant très gourmand en temps de calcul, appliquez-le sur la découpe.
Aller dans le GisManager, Raster, Contour line
29
Un peu de traitement d'image de base
L'algorithme travaille comme si l'on calculait des courbes de niveaux. Plus

l'incrément entre les courbes de niveaux est grand, moins il y a de contours. 100
signifie qu'il ne prend que les contours de gradient ≥ 100.
Pour afficher les contours aller dans le GisManager et cliquer sur Add vector
layer .
30
Voici un exemple pour un incrément de 50.
B. Exercice 03 - Filtrage par détection de contours

Testez plusieurs valeurs d'incréments et effectuez une détection de contours la plus
réaliste possible.
Question
Justifiez le choix de vos paramètres.
C. Analyse en composantes principales (ACP)

Grass permet de réaliser des analyses en composantes principales.
Pourquoi est-il intéressant d'effectuer une ACP sur des images satellite ?
Pour calculer les composantes principales, il faut aller dans le GISManager et
effectuer les traitements suivants :
 Imagery
 Transform Image
 Principal components
31
Le résultat est une image en 3 canaux que l'on peut visualiser.
D. Exercice 4 - Analyse en composantes principales

(ACP)
Afficher séparément les 3 ACP.
Question
Un des 3 canaux ACP est-il particulièrement exploitable ? Pour quel type d'objets ?
32
Utilisation d'outils
V -
V
d'aide à la photo
interprétation
Détection de la végétation avec l'indice NDVI 33
Exercice 5 - Détection de la végétation avec l'indice NDVI 35
Classification des images 35
A. Détection de la végétation avec l'indice NDVI

Utilisez l'indice de détection de la végétation NDVI (NDVI= (IR-R)/(IR+R)) pour
détecter la végétation sur l'image.
Aller dans output Gis.m et taper en dur la commande :
r.mapcalc {ndvi=255*(berckaster.red-berckaster.green)/
(berckaster.red+berckaster.green)}
On obtient ce genre de résultats :
On peut le transformer en niveaux de gris (plus facile à interpréter) en allant dans

l'interface r.colors (Gis Manager, Raster, Manage Map Colours, Color tables)
33
Utilisation d'outils d'aide à la photo interprétation
et activer les onglets Colors et Required comme sur les copies d'écran suivantes :
B. Exercice 5 - Détection de la végétation avec l'indice

NDVI
Réafficher l'image NDVI en niveaux de gris et détecter les endroits à forte
végétation.
Question
Y-a-t-il des zones à fortes valeurs PIR (proche infra rouge) et faible NDVI ?
C. Classification des images
Objectifs
Le but de cet exercice est de d'effectuer des
classifications supervisées et non supervisées et de les
évaluer.
1. Classifications non supervisées : Maximum likelihood
a) Création de groupes et de sous groupes

Dans Gis Manager aller dans Imagery, Develop images and group,
create/edit group.
34
Ici la classification se fera sur les 3 canaux.

Cliquer sur run pour créer les groupes et sous groupes.
b) Création d'un fichier de signatures spectrales

Maintenant il faut créer le fichier de création de signatures spectrales, pour cela
aller dans Gis Manager, Imagery, Classify Image, Clustering input for
unsupervised classification.
35
On a saisi le nombre initial de classes que l'on veut faire ressortir dans la
classification, le pourcentage de convergence (95%) et ne pas oublier de saisir le
nom d'un fichier report qui vous fournira les statistiques sur les classes dans les 3
canaux (moyenne et écart type), les scores de convergence et une matrice de
séparabilité inter-classes, indiquant les classes qui risquent d'être confondues entre
elles.
Pour les groupes et les sous groupes, il n'est pas utile de saisir le @...
Cliquer sur run pour créer le fichier de signature et la matrice de variance
covariance pour chacune des 6 classes. Dans le GIS.m apparaissent les scores de
convergence pour chaque itération.
Consulter le fichier report. (en principe dans Mes documents\GIS
DataBase\demolocation).
36
c) Lancement de la classification
Maintenant on peut lancer la classification, retourner dans le Gis Manager. Aller
dans Imagery, Classify Image, Maximum likelihood classification (MLC) .
Cette classification peut également être supervisée (être utilisée après une création
de signatures spectrales supervisées, i.gensig).
Voici le résultat de la classification.
Vous pouvez changer les couleurs des classes si celles-ci ne vous conviennent pas.
La première chose à faire est de savoir quelle classe est de quelle couleur.
37
Pour cela, afficher l'histogramme de votre classification.
On voit dans cette image que la mer est en vert par exemple ce qui ne convient
pas. La mer d'après l'histogramme est la classe n°2, il faudra la mettre en noir par
exemple (la mer moins profonde, plus proche des côtes étant en bleu).
Pour changer les couleurs de la classification, il faut aller dans Raster, Manage
Map Color, Color rules.
Si vous ne vous rappelez plus des noms des couleurs en anglais, ci-dessous
quelques exemples de couleurs implémentées sur le logiciel ENVI.
Attention
Attention certains exemples ne fonctionnent pas sous Grass (maroon par exemple).
38
Voici, ci-dessous la nouvelle classification obtenue avec les couleurs choisies dans la
copie d'écran d'IHM de la page précédente.
Ci-dessous nous visualisons une image de probabilité (image reject_mlc_berck)

dans laquelle chaque pixel comporte une information sur la probabilité
d'appartenance aux classes spécifiées dans l'image de classification du dessus.
39
2. Exercice 6 - Classifications non supervisées : Maximum

likelihood
Comparer les résultats de votre classification avec une référence (le Geoportail en
est une très bonne).
Question
Evaluez visuellement la qualité de votre classification.
3. Segmentation
Commencer par repérer combien il y a de régions dans l'image.
Puis repérer les bornes radiométriques de chacune de ces régions en cliquant des
points dans l'image (Cliquer sur Query dans la fenêtre Map Display).
Dans notre image Berck.red@berck, nous pouvons faire le découpage en 6 régions
(à vous de le vérifier) :
 segment 1 : 0-40
 segment 2 : 41-80
 segment 3 : 81-130
 segment 4 : 131-170
 segment 5 : 171-220
 segment 6 : 221-255
Aller dans Gis Manager, Raster, Change category values and labels,
Reclassify Interactively .
40
Cliquer sur apply pour lancer la segmentation et afficher la segmentation.
4. Exercice 7 - Segmentation
Changer les couleurs de la même façon que pour la classification non supervisée.
Nous obtenons un résultat proche de la classification.
Question
Comparez le avec la classification non supervisée que vous venez d'effectuer.
5. Classifications supervisées
Conseil
Dans ce chapitre nous allons tester 2 classifications supervisées : Maximum
likelihood et SMAP.
41
La procédure n'est pas compliquée mais très longue, il est fortement recommandé
de noter sur une feuille toutes vos étapes, notamment les noms de fichiers créés au
fur et à mesure.
a) Digitalisation des zones d'intérêt sous forme vecteur

Lancer une commande en dur dans Gis.m :
v.digit -n zonestest {bgcmd=d.rast berckaster.red@berck}
zonestest représente les zones d'intérêt saisies sous forme vecteur.
Dans ce cas là on saisit sur une image en niveau de gris sur le canal infrarouge.
On peut aussi saisir sur la composition colorée que l'on a créée précédemment,
mais c'est déconseillé car les temps d'affichage de la composition colorée sont
souvent très longs.
b) Création d'une table

Avant de saisir les classes, procéder comme pour la zone de découpe en créant une
table.
Pour cela, clic sur et sur l'onglet table dans settings.
Clic sur Add New Column et saisie de Classe et double precision.
« Classe » représente toutes les zones d'apprentissage, chacune des zones

d'apprentissage aura un identifiant qui sera implémenté automatiquement et
appartiendra à une et une seule classe. Une classe pourra avoir plusieurs zones
d'apprentissage.
Cliquer sur create table pour valider la création de la table. Si on a cliqué trop vite
sur Create table on peut revenir en arrière en relançant une commande avec un
autre nom pour la couche vecteur. (ex. v.digit -n zonestest1 {bgcmd=d.rast
berckaster.red@berck}).
c) Saisie des classes d'apprentissage vectorisées

Pour identifier les zones saisies, vous pouvez vous aider de Google Earth ou
42
Geoportail.
On saisit une 1° polyligne correspondant au 1° échantillon de la 1° zone
d'apprentissage.
La procédure de saisie est la même que pour la découpe, on la rappelle tout de
même...
Zoomer sur votre zone d'intérêt avant de saisir.
Clic sur et s'assurer qu'on est en no category.
Saisie de la polyligne, finir au plus prés du point initial et clic droit.

Rezoomer pour faire correspondre parfaitement le point initial et le point final.
Clic sur , clic gauche maintenu sur un des 2 points jusqu'à ce qu'il rejoigne
l'autre et nouveau clic gauche pour valider.
On doit aboutir à un contour vert validé.
43
Positionner un centroïde dans la polyligne en cliquant sur et en sélectionnant

Next not used.
Cat : 1 signifie l'identifiant de la 1° zone d'apprentissage (si pour une classe mer,
on choisit 3 polygones on aura donc 3 catégories).
Classe : 1 se réfère à la 1° zone d'apprentissage (qui deviendra la future classe
44
n°1).
On peut saisir une 2° polyligne pour cette même classe. Pour cela on refait la
procédure de saisie décrite précédemment (ne pas oublier de se mettre tout de
suite en no category avant de saisir la polyligne).
Si on a saisi 3 polygones pour une même zone d'apprentissage, on aboutit à cette
interface :
Cliquez sur submit à chaque saisie de chaque polygone.
Conseil
Il est fortement conseillé de noter sur une feuille de brouillon les numéros des
classes que l'on saisit au fur et à mesure ainsi que le nombre de catégories
(polylignes) pour chaque classe.
Ecrivez par exemple :

 classe 1 : mer profonde, polygones saisis : cat1, cat2
 classe 2 : mer peu profonde, polygones saisis : cat3, cat4
 ...
Pour saisir une nouvelle polyligne, dézoomer puis rezoomer sur la zone de saisie,
puis refaire la procédure complète.
Saisissez toutes vos zones d'apprentissage sur votre image.
Pour quitter l'interface v.digit, ne surtout pas oublier d'enregistrer en cliquant sur
.
Remarque
Pour changer la couleur des traits de la polyligne, il faut cliquer sur
45
Changer la couleur de Boundary (no area).

On peut visualiser les polygones que l'on vient de saisir dans une fenêtre
d'affichage.
Pour cela, cliquer sur Add Vector Layer , aller chercher dans Vector Map, la
couche vecteur que l'on vient de saisir et l'afficher dans le Map Display. On a alors
des polygones en gris si on a bien travaillé.
Si les polygones ne sont pas remplis, ils ne pourront pas servir à l'établissement de
signatures spectrales. Pour corriger ce défaut, il faut faire v.clean
input=nom_vecteur_entrer output=nom_vecteur_entrer_break
type=boundary,centroid,area tool=break –overwrite et v.clean input=
nom_vecteur_entrer_break output=nom_vecteur_propre
type=boundary,centroid,area tool=snap thresh=0.2.
Cette manip n'est possible que si les nœuds initial et final sont suffisamment
proches.
En cliquant sur Query et sur un polygone quelconque on récupère des infos

dans la fenêtre output gis.m si on a cliqué sur un pt suffisamment proche du
centroïde.
On peut faire apparaître les centroïdes sur les polygones en cochant centroïde dans
le Gis Manager après avoir sélectionné le fichier vecteur.
46
Attribute col for labels est le nom du champ qui apparaîtra à coté du centroïde.
Ne pas oublier aussi de cocher la tool box, label vector.
d) Création de zones d'apprentissage rasterisées

Aller dans GisManager, file, Math type conversion, Vector to raster .
47
Cliquer sur run pour faire la conversion.

Afficher vos zones test zonestest en superposition sur votre image
(berckaster.red@berck).
48
e) Création d'un fichier de signatures spectrales

i - Etape 1 : création d'un groupe de travail
Gis Manager, Imagery, Develop images and groups, Create/edit group
49
Dans ce cas on va faire la classification sur les 3 canaux.

ii - Etape 2 : création du fichier de signature pour les 2
classifications
1. Maximum likelihood
Gismanager, Imagery, Classify Image, Input for Supervised MLC

(Maximum Likelihood Classification)
2. SMAP
Gismanager, Imagery, Classify Image, Input for Supervised SMAP.
50
f) Lancement des 2 classifications Maximum Likelihood et SMAP

i - Maximum likelihood
Gismanager, Imagery, Classify Image, Maximum Likelihood Classification
Cliquer sur run pour calculer votre classification et visualiser la.

ii - SMAP (Sequential Maximum A Posteriori)
Gismanager, Imagery, Classify Image, Sequential Maximum A Posteriori.
51
Cliquer sur run pour calculer votre classification et la visualiser.
6. Exercice 8 - Classifications supervisées

Comparer vos 2 classifications supervisées.
Question
Qu'en déduisez-vous ? Utilisez également le Geoportail comme référence.
7. Outils de post classification : suppression de pixels

éparses
Gis Manager, Raster, Neighborhood analysis, Moving window
52
Choisir une fenêtre pas trop petite, 5 semble être une taille adaptée. D'autre part il
faut choisir Mode pour le type d'opération : cela attribue au pixel la valeur la plus
fréquente des pixels des pixels contenus dans la fenêtre glissante.
8. Evaluation d'une classification avec une matrice de

confusion
Nous allons maintenant évaluer notre classification calculant une matrice de
confusion à partir des ROIs d'apprentissage, c'est-à-dire que nous allons mesurer
les pourcentages de confusions générés par les classifications sur nos zones
d'apprentissage.
R.kappa
GisManager
Imagery, Report and Statistics, Kappa Analysis
53
9. Exercice 9 - Evaluation d'une classification avec une

matrice de confusion
Calculer le kappa des 2 classifications (Maxlike et SMAP).
Question
La kappa a-t-il une réelle signification par rapport à l'évaluation que vous avez faite
précédemment ?
10. Cartographie d'une classification - Faire une légende

sur une classification
a) Etape 1 : Affectation d'un nom à une classe

Par exemple classe 1= Mer profonde.
Pour cela GisManager, Raster, Change Category Values and Labels,
Reclassify interactively.
54
Cliquer sur Apply.
b) Etape 2 : Affichage de la légende et de l'image classifiée

Dans le GisManager, vous allez afficher successivement les couches suivantes :
 l'image classifiée que l'on vient de créer (dans l'exemple ci-dessus
MLCcorrigelegende)
 une grille : cliquez sur
 une légende. Pour la légende, dans GisManager, cliquer sur l'icône Add
Raster Legend Layer et paramétrer votre légende (exemple donné
ci-dessous à titre indicatif).
55
 Un nord + une échelle : cliquez sur
 Un titre : cliquez sur Add text layer

Paramétrer votre titre (exemple donné ci-dessous à titre indicatif).
En final vous devez avoir les éléments de votre carte qui apparaissent comme suit :
Les couches les plus hautes dans l'ordre d'apparition cachent les couches les plus
basses.
11. Exercice 10 - Cartographie d'une classification - Faire

une légende sur une classification
Réalisez une carte complète sur la classification que vous avez estimée comme
étant la meilleure.
56

TP Visualisation Et Traitements D'image Satellite Sur GRASS

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

TP Visualisation Et Traitements D'image Satellite Sur GRASS

Transféré par

Droits d'auteur :

Formats disponibles

TP visualisation

A. Méthodologie d'enregistrement des données.................................................7

B. Opérations à réaliser avant d'ouvrir Grass....................................................7

II - Ouverture et visualisation de l'image, interprétation avec

A. Ouverture et visualisation de l'image, interprétation avec Google Earth ou

B. Exercice 01 - Ouverture et visualisation de l'image, interprétation avec Google

III - Découpage de l'image, analyse d'histogramme 19

B. Analyse des histogrammes dans la découpe...............................................27

C. Exercice 02 - Analyse des histogrammes dans la découpe............................28

IV - Un peu de traitement d'image de base 29

A. Filtrage par détection de contours.............................................................29

B. Exercice 03 - Filtrage par détection de contours..........................................31

C. Analyse en composantes principales (ACP).................................................31

D. Exercice 4 - Analyse en composantes principales (ACP)...............................32

V - Utilisation d'outils d'aide à la photo interprétation 33

B. Exercice 5 - Détection de la végétation avec l'indice NDVI............................35

C. Classification des images..........................................................................35

Ce module va vous permettre de découvrir quelques techniques simples de visualisation et

Méthodologie d'enregistrement des données 7

A. Méthodologie d'enregistrement des données

B. Opérations à réaliser avant d'ouvrir Grass

Méthode : Opérations à réaliser avant d'ouvrir Grass

A ce moment là, on peut lancer Grass (cliquer sur Enter Grass).

Méthode : Voir la vidéo

A. Ouverture et visualisation de l'image, interprétation

1. Ouverture de l'image en composition colorée

Maintenant pour afficher l'image en composition colorée Infra Rouge Couleur, il

Méthode : Voir la vidéo

a) Création d'une composition colorée

Méthode : Voir la vidéo

2. Consultation des informations générales sur cette image

Cliquez sur Run et vous obtiendrez le résultat dans la fenêtre Gis.m.

3. Ouverture de chaque canal de l'image

Et là de la même manière, on charge le canal choisi (ici berckaster.red@berck)

Si vous souhaitez supprimer une couche, il suffit de la cocher et de cliquer sur

Méthode : Voir la vidéo

B. Exercice 01 - Ouverture et visualisation de l'image,

1. 1° étape : construction d'une découpe vecteur

Cliquer sur create table afin de valider la création de la table.

Cliquer sur digitize new boundary .

Maintenant il faut rajouter un centroïde afin de transformer la polyligne en

Mettre 1 dans decoupe.

Valider en cliquer sur submit ce qui validera l'enregistrement de la découpe

Fermer la fenêtre v.digit ce qui finira d'enregistrer la table en cliquant sur .

Méthode : Voir la vidéo

2. 2° étape : transformation du polygone vecteur en raster

Aller dans le map display et cliquer sur redraw all layers .

Le polygone rouge correspond à la zone qui sera découpée. Etant au-dessus de

Méthode : Voir la vidéo

3. 3° étape : découpe du raster

A = berckaster.red@berck = image d'origine

Maintenant il ne reste plus qu'à afficher l'image découpée :

4. 4° étape : affichage de la découpe avec les couleurs

Puis réafficher l'image dans le Map Display en pensant à remettre à jour .

Méthode : Voir la vidéo

B. Analyse des histogrammes dans la découpe

C. Exercice 02 - Analyse des histogrammes dans la

A. Filtrage par détection de contours

Aller dans le GisManager, Raster, Contour line

L'algorithme travaille comme si l'on calculait des courbes de niveaux. Plus

Voici un exemple pour un incrément de 50.

Méthode : Voir la vidéo

B. Exercice 03 - Filtrage par détection de contours