Application de reconnaissance des serres sur des

images satellites
1. Images de la base de données

Les images sont les images d’origine Google Earth comportant 1280 x 1280 pixels. Elles sont
prises à 1000 mètres d’altitude et couvrent approximativement un carré de 1 km de côté
soit 1 km2 ou encore 100 hectares.
Les imagettes sont des sous images des images de 299 x 299 pixels. Le choix du nombre de
pixels est déterminé par la taille de l’entrée du réseau de neurones Resnet. Elles couvrent
approximativement un carré de 233 mètres de côté, soit 5,46 hectares.
Les vignettes sont des sous images des imagettes de 37 x 37 pixels. Le choix du nombre de
pixels est fait pour qu’il y ait approximativement 8 x 8 = 64 vignettes dans une imagette. Les
vignettes couvrent approximativement un carré de 29 mètres de côté, soit 835 mètres
carrés.

2. Décomposition des images

On va recouvrir une image par des imagettes en les translatant de la taille d’une vignette,
soit 37 pixels. Les colonnes de la première imagette sont les colonnes 1 à 299, celles de la
seconde sont les colonnes 38 à 336, .., celles de la 27ème sont les colonnes 963 à 1261. On
laisse tomber les 19 pixels qui restent à droite, soit approximativement 15 mètres. Si cela
posait un problème, on pourrait toujours rajouter une 28ème imagette par ligne qui soit collée
à droite (et une 28ème ligne d’imagettes collées en bas de l’image).
En se limitant à 27 imagettes par ligne, on obtient donc 27 x 27 = 729 imagettes par image.

On peut aussi décomposer un imagette en vignettes en les translatant de 37 pixels, de sorte

qu’il n’y aura pas de recouvrement entre les vignettes. Puisque 8 x 37 = 296, on laisse
tomber les 3 pixels à droite et en bas de l’imagette et on obtient donc 8 x 8 = 64 vignettes
par imagette.

On peut aussi voir les décompositions précédentes comme un décomposition directe de

l’image en 34 x 34 vignettes (puisque 34 x 37 = 1258 pixels), ce qui décompose l’image en 34
x 34 = 1156 vignettes par image. Les imagettes peuvent alors être vues comme des cadres
de 8 x 8 vignettes se déplaçant dans le carré de 34 x 34 vignettes. On néglige ici les 3 pixels à
droite et en bas des imagettes.

3. Base de données

On a une base de données de 600 images contenant des serres (599 normalement mais on
va bien en trouver une autre ?). Les programmes Python ont permis de faire un
prétraitement permettant de donner le contour des serres d’une image, ces contours ayant
été validés par un post-traitement humain. On a ainsi obtenu 1200 contours qualifiés de
grandes serres, soit en moyenne 2 contours par image.
La taille moyenne d’une serre est de 20000 pixels environ. Cela correspond à une surface de
20000 x 100 / (1280 x 1280) = 1,22 hectare.
On définit une vignette comme étant une vignette serre ou non serre selon que son pixel
central (ligne et colonne 19 de la vignette) est à l’intérieur (ou sur la bordure) d’une serre.
Il est nécessaire de qualifier les 1156 vignettes de chaque image comme étant serre (valeur
1) ou non serre (valeur 0). Pour les 600 images, on doit donc qualifier 600 x 1156 = 693600
vignettes. Cela doit être fait automatiquement à l’aide des programmes Python déjà
développés.
Une vignette ayant 37 x 37 = 1369 pixels, une serre de 20000 pixels recouvre en moyenne la
surface de 14,6 vignettes. En tenant compte des vignettes au bord des serres, soit en
supposant que les vignettes ont leur centre dans la serre pour 2 côtés sur 4, on obtient une
estimation du nombre de vignettes qui seront des vignettes serres pour une serre de 20000
pixels, soit 14,6 + 2 x 14,6 = 22,2. On va donc estimer que le nombre de vignettes serre est
en moyenne de 22 pour chaque serre. Puisqu’il y a en moyenne