ERDAS Cours CompoCol&Indices

INTRODUCTION A LA
TELEDETECTION
Compositions colorées et indices
Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Région de l’application

Visualisation des images
• Les valeurs des pixels peuvent être

visualisées à l’écran en leur associant :
– Une variation de teinte (modèle numérique
de terrain, …)
– Une variation d’intensité de gris (image à une
bande spectrale, image panchromatique, …)
– Une variation d’intensité de couleur RGB
(image à plusieurs bandes spectrales, …)
– Une palette de couleur (classification, …)
Signatures spectrales
• Une différentiation de l’occupation du sol peut

être effectuée suivant les signatures spectrales.

Apport des images multispectrales
Landsat ETM+ 1 (0,45-0,52µm) – Bleu :
1 2 3 Cartographie bathymétrique, distinction sol-
végétation.
Landsat ETM+ 2 (0,52-0,60µm) – Vert : Etat de
santé et de vigueur des plantes.
Landsat ETM+ 3 (0,63-0,69µm) – Rouge :
Distinction des types de végétation.
Landsat ETM+ 4 (0,76-0,90µm) – Infrarouge
Proche : Évaluation de la biomasse,
cartographie des littoraux (contraste terre-
4 5 6 eau).
Moyen : Évaluation de l’humidité du sol et
de la végétation, distinction des types de
végétation, pénètre les nuages fins.
Thermique : Évaluation de l’humidité du sol,
cartographie thermique, images de nuit.
7 321 8 Landsat ETM+ 7 (2,08-2,35µm) – Infrarouge
Moyen : Distinction des types de sol et de
roche.
Landsat ETM+ 8 (0,45-0,90µm) –
Panchromatique : Augmentation de la
précision.

Principe des compositions colorées
• Les compositions colorées permettent de visualiser
plusieurs bandes (et les confronter) en les affichant
respectivement dans des teintes (Rouge (R), Vert (G) et
Bleu (B)) d’intensité différente.
• Composition colorée :
– vraie couleur ((Rouge-Vert-Bleu / Bandes Landsat ETM+ 3-2-1)).
– fausse couleur infrarouge (InfraRouge-Rouge-Vert / Bandes
Landsat ETM+ 4-3-2) ou de synthèse (Pseudo-canaux).
1 321 432 8

Principe des images multicouches
• Associer des images
(bandes spectrales, ima-
ges multidates et/ou
multisource,…), de même
résolution et extension,
dans une image multi-
couche ou, inversement,
dissocier une image
multicouche.
• Il y a une différence entre
la création d’une image
multicouche (fichier) et
une composition colorée
(affichage)

ERDAS Lancement du programme
• Le logiciel Erdas Imagine de
LEICA est un logiciel dédié au
traitement de données graphi-
ques et à l'extraction d'informa-
tions à partir d'images. Il vous
permettra de manipuler et
interpréter les photo aériennes
et images satellitaires.
• Lancer Erdas Imagine :
Démarrer > Programmes >
Leica Geosystems > ERDAS
IMAGINE 8.7 > ERDAS
IMAGINE 8.7.

ERDAS Fenêtre de visualisation
• Choisir : Classic Viewer.

• Confirmer en cliquant OK.
• Le même résultat est
possible en cliquant sur
l’icône Viewer de la barre
de menu principale
ERDAS Importation d’une image
• Cliquer : Import (barre de menu

principale).
• Choisir : Import.
• Choisir : ASTER EOS HDF Format.
• Choisir : File.
• Choisir les répertoires de travail
Input et Output.
• Sélectionner Input : AST_L1…8.hdf.
• Le nom du fichier Output est proposé
par défaut comme : AST_L1…8.img.

• L’importation ne se fera que sur les 4
premières bandes (à 15m). Pour choisir
les autres ensembles de bandes (30m
ou 90m) il faut cliquer sur Next Image.
• Cliquer : Correction…
• Choisir : Write Transform to Image.
• Cliquer : Radiometric Options.
• Choisir : Destriping.
• L’image subira, en cours d’importation,
une conversion en Luminance
(Radiance) et étirement des valeurs
suivant les données originales (8 ou 16
bits).


• L’importation se déroule en trois phases :
– Copier les données de l’image (.img),
– Créer un fichier pyramide (.rrd),
– Calculer les statistiques de l’image.
• La pyramide correspond à un empilement
de copies de l’image à plus ou moins forte
résolution.
• Avec les pyramides, une copie des
données à résolution plus faible s'affiche
rapidement lors du dessin du jeu de
données dans son intégralité. Au fur et à
mesure que l'on effectue un zoom avant,
les niveaux dont la résolution est plus
élevée sont dessinés
• La performance est optimalisée car on
dessine successivement des surfaces
plus petites.

ERDAS Affichage d’une image
• Choisir : File >
Open > Raster
Layer… au sein
d’un Viewer.
• Sélectionner
l’image à afficher.
• Cliquer sur Raster Options.
• Faire correspondre les
bandes avec les couleurs à
l’affichage :
– Red : 3 (Canal IR),
– Green : 2 (Canal R),
– Blue : 1 (Canal V).
• Cocher : Fit to Frame.
• Cocher No Stretch.
ERDAS Découpage d’une image
• Lancer : Utility > Inquire Box…
• Déplacer les bords du polygone

de sélection pour définir la zone.
• Les coordonnées limites de la
zone sont modifiées automatique-
ment dans la fenêtre adjacente.

ERDAS Découpage d’une image
• Cliquer : DataPrep (barre de menu

principale).
• Cliquer : Subset Image…
• Sélectionner l’image à découper en
Input.
• Encoder aster_020112_subset.img
comme image en Ouput.
• Cliquer sur From Inquire Box pour
copier les coordonnées limites de
la zone.
• Cocher Ignore Zero in Output Stats
• Encoder 1:3 dans Select Layers
pour éliminer la bande 4 (IR en vue
arrière) inutile.

ERDAS Statistiques d’une image
• Ouvrir l’image aster_020112
_subset.img dans un Viewer.
• Lancer : Utility > Layer Info.
• Dans l’onglet Général, vous
trouverez :
– La taille de l’image,
– Le format de codage,
– Les statistiques de la 1ère bande
(V),
– Les coordonnées limites de
l’image,
– La projection.
• Sélectionner Layer_3 dans le
menu déroulant pour afficher les
statistiques de la 3ème bande (R)
et ainsi de suite.
• Cliquer l’onglet Histogram.

ERDAS Statistiques d’une image
• Les statistiques sont calculées
sur une partie des pixels si le
Skip Factor est différent de 1.
• Il est souvent nécessaire de
recalculer les statistiques en
lancant Edit > Compute
Statistics avec un Skip Factor
de 1.
Bandes Min Max Mean Median Mode Ecart-Type

1 (V) 23.66 171.70 43.335 41.009 26.551 15.334
2 (R) 9.204 179.83 31.839 29.866 11.204 19.699
3 (IR) 5.172 131.89 49.019 61.599 8.1419 31.977

ERDAS Modèles de traitement
• Préalablement à plusieurs traitements

(comparaison multi-date et multisource, indices,
…), une normalisation des histogrammes est
nécessaire.
• Cliquer : Modeler (barre de menu principale).
• Cliquer : Model Maker…
• Normalisation de la bande R (P) par rapport à la
bande IR (R)
R
PN  (P  P )  R
P
• A l’aide de la boîte à outils dessiner
l’organigramme de calcul.
• Outils :
– Sélection, déplacement,
– Données raster (Image),
– Données vectorielles,
– Matrice (Filtre),
– Table,
– Nombre scalaire,
– Opération,
– Condition,
– Lien (cliquer dans l’élément origine,
puis l’élément destination),
– Annotation.
• Cliquer 2 fois sur l’image Input.
• Sélectionner l’image aster_020112_
subset.img.

• Cliquer 2 fois sur chaque
symbole représentant les
scalaires et encoder les
valeurs correspondantes.
• Confirmer pour chacun en
cliquant OK.
μ σ
R 31.839 19.699
IR 49.019 31.977
Bandes Min Max Mean Median Mode Ecart-Type
1 (V) 23.66 171.70 43.335 41.009 26.551 15.334
2 (R) 9.204 179.83 31.839 29.866 11.204 19.699
3 (IR) 5.172 131.89 49.019 61.599 8.1419 31.977

• Cliquer 2 fois sur l’image Output.
• Encoder : aster_020112_ Rnorm.img.
• Choisir Data type : Float single.

• Cliquer 2 fois sur le symbole
représentant l’opération.
• L’encodage de la formule de
normalisation se fait en utilisant les
catalogues d’Inputs et de fonctions.
R
PN  (P  P )  R
P
• Chaque Input est repris
dans la liste :
– L’image Input dans son
entièreté,
– Chaque couche de
l’image Input,
– Chaque scalaire.
• Reste à choisir correcte-
ment chacun d’entre eux
pour écrire la formule.
((($n5_Float/$n7_Float)*($ • Confirmer en cliquant OK.
n1_aster_020112_subset( • Lancer : Process > Run.
2)-$n6_Float))+$n4_Float)
• Cette procédure permet de – Focal (Scan) : Filtres de
créer des modèles complexes convolution, statistiques
intégrant nombre de fonctions locales, …
telles que : – Global : Statistiques globales,
– Analysis : corrélation, …
covariance, … – Relational : >, <, =, …
– Arithmetic : +, -, *, /, … – Statistical : Outils statistiques,
– Conditional : Condition binaire, …
seuillage, … – Trigonometric : Cos, sin, tan,
– Data Generation : Création de acos, …
données, … – …
– Distance : Mesures, recherche • De même, les organigrammes
de valeurs, … peuvent inclure la création
– Exponential : Exposants, d’une succession de données.
puissance, logarithmes, …


ERDAS Image multicouche
• Cliquer : Interpreter (barre de menu principale).

• Cliquer : Utilities…
• Cliquer : Layer Stack…

ERDAS Image multicouche
• Encoder Output :
aster_020112_ StackNorm.img
• Sélectionner Input : aster_
020112_vnorm.img.
• Sélectionner Layer : 1
• Cliquer : Add.
• Faire de même avec l’image R
normalisée et la bande IR de
l’image originale.
– Bande 1 : Vnorm
– Bande 2 : Rnorm
– Bande 3 : IR (bande 3 de
l’image originale)

Indices de changement diachronique
255 / D1  D2
IC  IC | D1  D2 |
2
• Application sur une même bande spectrale entre deux

dates (D1 et D2).
• Illustre les changements phénologiques dans la
végétation (saisons), les changements d’humidité et
atmosphériques, les changements d’affectation.
• Sens du changement et Amplitude du changement
Indices de turbidité
IT  R  PIR
• Exploité sur les canaux rouge (R) et proche infrarouge
(PIR) d’une même scène, préalablement normalisée, sur
des eaux très chargées
• Application possible sur les images de nombreux
capteurs mais avec des efficacités variables.
Indice de transparence
• Application sur les
2 images XS de Spot
V (jusqu’à 12m de profon-
ITr  deur).
R • Exploité en zones interti-
dales avec les seuls ca-
naux visibles, en évitant
le canal infrarouge (ab-
sorption de l’eau.
• Rapport du carré du
canal vert (V) sur le canal
rouge (R) préalablement
normalisés.
Indice de végétation simple
• Exploite le comportement
de la chlorophylle : forte
PIR
IV  réflexion dans le proche
infrarouge (PIR) et forte
R absorption dans le rouge
(R).
• Simple division entre les
deux bandes.
• Résultat en nombres
réels (Min 0, Max ∞).
• Eviter 0 au dénominateur.
ERDAS Indice de végétation simple

• Cliquer : Utilities…
• Cliquer : Operators…

• Sélectionner Input 1 : aster_
020112_stacknorm.img.
• Choisir Layer : 3.
• Sélectionner Input 2 : aster_
020112_stacknorm.img
• Choisir Layer : 2
• Encoder Output : aster_020112_
vi.img.
• Choisir Operator : /


Indice normalisé de végétation
• Exploite le comportement
PIR  R de la chlorophylle : forte
NDVI  réflexion dans le proche
PIR  R infrarouge (PIR) et forte
absorption dans le rouge
(R).
• comparaisons plus aisées
• Très utilisé, notamment à
petite échelle (NOAA, ...).
• Résultat en nombres
réels (Min -1, Max +1).
ERDAS Indice normalisé de végétation

• Cliquer : Spectral Enhancement…
• Cliquer : Indices…

• Sélectionner Input : aster_

020112_stacknorm.img.
• Encoder Output : aster_020112_
ndvi.img.
• Choisir Sensor : SPOT XS/XI.
• Le choix du type de capteur
importe quant à la correspondance
entre le numéro de la bande et la
plage spectrale.
• Choisir Function : NDVI.


Indice de brillance
IB  PIR  R 2 2
• Exploite les canaux de plus grande dynamique

d’une même scène, soit le proche infrarouge
(PIR) et le rouge (R).
• Indice le plus utilisé en pédologie et sciences du
sol.
Indice de couleur du sol
V 1
ICS  R  ( )  V ICSR  R V ( )2 3
R B
• Utilise les canaux visibles • Mise en évidence des
(rouge, vert et bleu) en sols rouges (tropicaux),
présence d’une faible utilisé aussi sans compo-
couverture végétale. sante bleue.

Droite des sols
• Les réflectances d’un sol
nu dans le rouge (R) et le
proche infrarouge (PIR)
varient de façon linéaire
PIR  aR  b
avec l’humidité du sol :
des sols foncés aux sols
clairs.
• Sélection de quelques
dizaines de pixels de sol
nu, extraction des réflec-
tances en rouge et pro-
che infrarouge, calcul des
coefficients de la droite
de régression.

Indice perpendiculaire de végétation
• L’indice mesure pour
PIR  aR  b
chaque pixel sa distance
à la droite des sols PVI 
(positif = végétation, a 1
2
négatif = minéralisation
ou humidité).
• Corrélation étroite entre
l’indice et la biomasse,
l’indice foliaire et le stress
de la végétation.
• Considéré comme l’indice
le plus stable vis-à-vis
des altérations radiomé-
triques.

ERDAS Cours CompoCol&amp;Indices

Transféré par

Informations du document

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

ERDAS Cours CompoCol&amp;Indices

Transféré par

Droits d'auteur :

Formats disponibles

INTRODUCTION A LA

Compositions colorées et indices

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

• Les valeurs des pixels peuvent être

• Une différentiation de l’occupation du sol peut

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

• Choisir : Classic Viewer.

• Cliquer : Import (barre de menu

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

• Déplacer les bords du polygone

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

• Cliquer : DataPrep (barre de menu

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Bandes Min Max Mean Median Mode Ecart-Type

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

• Préalablement à plusieurs traitements

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

• Cliquer : Interpreter (barre de menu principale).

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

• Application sur une même bande spectrale entre deux

• Cliquer : Interpreter (barre de menu principale).

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

• Cliquer : Interpreter (barre de menu principale).

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

• Sélectionner Input : aster_

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

• Exploite les canaux de plus grande dynamique

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Marc Salmon Université Mohammed Ier d’Oujda 08.06.2005 - ‹#›

Vous aimerez peut-être aussi

ERDAS Cours CompoCol&Indices

ERDAS Cours CompoCol&Indices