Loading

Module 1: Filtrage et classification des images

Notes d'étude
Study Reminders
Support
Text Version

Filtrage et classification des images-Sommaire de la leçon

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Filtrage spatial des images La technique de filtrage spatial est aussi appelée opération locale, technique de convolution ou technique de filtrage de convolution. Il est utilisé, après amélioration de l'image, pour continuer à fumer l'image. Les deux catégories de filtres spatiaux qui sont connus dans le traitement des données de télédétection sont: filtre de faible passe: Ceci met l'accent sur les tendances spatiales régionales et met en évidence la variabilité locale. Filtre de passage élevé: Ceci met l'accent sur la variabilité spatiale locale Dans la télédétection, il est utile de calculer des mesures statistiques multivariées telles que la covariance ou la corrélation entre plusieurs bandes afin de déterminer la façon dont les mesures varient. Le rationnement des bandes et l'analyse des composantes principales sont deux techniques utilisées pour effectuer des mesures de statistiques d'images multivariées. Technique de transformation de Fourier Comme les techniques de filtrage spatial, l'application principale de la technique de filtrage de Fourier ou de domaine de fréquence est d'améliorer les images. La transformation de Fourier permet de mettre en évidence ou de supprimer un certain groupe de fréquences et de directions par des algorithmes appelés filtres.
Le filtrage peut être implémenté par le biais de la transformation de Fourier lorsqu'on dit qu'il fonctionne dans le domaine de la fréquence. Il peut aussi être mis en œuvre dans le domaine spatial d'une image elle-même par un processus appelé convolution.
La plupart des traitements d'image sont implémenté dans le domaine spatial en raison du nombre et de la complexité des calculs requis dans le domaine de fréquence.
Classification non supervisée de l'image Classification L'image est la science de la conversion de données de télédétection ou d'images en catégories significatives représentant les conditions de surface ou les classes. Les deux types de classification des images sont: Classification des images supervisées, Classification non supervisée des images. Classification de l'image supervisée Dans la classification des images supervisées, il y a une intervention humaine et une connaissance préalable de la zone où le satellite est concentré est nécessaire. S'il y a confiance dans la sélection des ensembles de formation dans la classification supervisée, il est alors possible que la classification supervisée puisse être réalisée avec une bonne précision. Dans la classification des images supervisées, les ensembles de formation sont choisis manuellement pour diverses classes. Il est toujours bon qu'au moins 2 ensembles de formation pour chaque classe soient sélectionnés à l'intérieur de cette image. Chaque ensemble ou classe de formation donne lieu à un nuage de points qui représente la variabilité des différentes caractéristiques spectrales des pixels ou des signatures dans cette classe. Les algorithmes de mise en cluster regardent les "nuages de pixels" dans l'espace de mesure spectrale à partir des zones de formation pour déterminer à quel " nuage un non-pixel donné tombe. Les algorithmes de classification qui peuvent être utilisés dans la classification d'image supervisée sont les suivants: Distance minimale à la classification moyenne (méthode de la chaîne), classification de vraisemblance maximale gaussienne, classification Parallelepiped