Segmentation des Images Satellite : Application `a la Classification de la Couverture et de l’Utilisation du Sol

Abstract

Cette étude fait partie du développement continu des techniques de segmentation d’images satellitaires à très haute résolution spatiale. L’objectif de cette étude est d’améliorer la technique de segmentation hiérarchique des histogrammes 2D utilisée pour les images satellitaires. L’approche de base que nous avons améliorée utilisait généralement des techniques de segmentation qui ne prenaient pas en compte les corrélations spectrales et spatiales existantes entre les pixels de l’image. Trois techniques de segmentation ont été développées dans le cadre du même concept d’analyse hiérarchique des histogrammes 2D. La première est fondée sur la fonction d’optimisation multiobjective appliquée aux images panchromatiques. La deuxième est basée sur la physique quantique par la résolution de la fonction d’onde et l’entropie de Tsallis appliquée aux images multi spectrales. La troisième est basée sur la physique quantique et l’entropie : cas de l’entropie de Havrda-Charvat. Nous avons appliqué ces approches à des images synthétiques texturées en niveau de gris et en couleur. Les méthodes développées ont produit des cartes de segmentation compactes et homogènes. En fait, pour évaluer nos méthodes de segmentation d’images multispectrales du satellite QuickBird, nous avons exploité les critères suivants : Pour la première méthode (la segmentation d’optimisation multiobjectif) nous nous sommes basés sur les critères de Levine et Nazif Pour la deuxième et la troisième méthode, nous avons utilisé le coefficient d’évaluation de Borsotti. En ce qui concerne les résultats de segmentation des images multispectrales obtenus par ces techniques nous sommes extrêmement satisfaits, la couverture et l’utilisation du sol ont été correctement détectées et identifiées, et les techniques ont reproduit correctement les regions.