OFF-34_IV.4.3 Analyse visuelle

Samenvatting

IV - DES DONNéES à L'INFORMATION


4- COMMENT ANALYSER les images pour produire des cartes?
 

4.3- Comment analyser visuellement une image?

A l'origine de la télédétection, quand seules les photographies aériennes existaient, il n'était bien sûr pas question d'images numériques ni de procédures de classification par ordinateur. Les photos étaient analysées par des interprètes expérimentés qui, au moyen de papier-calque et de crayons de couleurs, en extrayaient une quantité considérable d'information.

Les photographies ont très vite été supplantées par les images numériques et, depuis le développement du traitement numérique des images, les techniques d'interprétation ont été mises en œuvre à l'aide d'ordinateurs puissants.

Comparée à l'analyse numérique, qui est effectuée de manière quasi automatique par des ordinateurs utilisant des algorithmes de plus en plus sophistiqués, l’interprétation visuelle est bien entendu un travail assez lent et fastidieux. Elle continue cependant à jouer un rôle important car elle offre des avantages significatifs. En effet, elle est réalisée par des spécialistes qui peuvent prendre en compte la couleur des objets (c.-à-d. également leur signature spectrale), mais également leur forme, leur taille, leur texture, ainsi que le contexte et la position relative des objets les uns par rapport aux autres dans l’image. Cela leur permet de reconnaître les fonctions de certains édifices ou les structures de certains objets : habitations, sites industriels, type de pratiques agricoles, réseaux de transport etc.

Les algorithmes utilisés pour la classification automatique des images confondent par exemple souvent des types d’occupation du sol très similaires du point de vue de leur réponse spectrale mais en réalité totalement différents, comme les tuiles de toitures et le sol nu ou l'asphalte recouvrant les routes et le roofing des toits plats de certains bâtiments.

Grâce aux progrès rapides réalisés dans le domaine de l'intelligence artificielle et de ce que l'on appelle l'apprentissage profond, il est désormais possible d'utiliser le potentiel des ordinateurs pour effectuer de la photo-interprétation assistée par ordinateur.

Sur cette interprétation d’une image des lacs de l'Eau d'Heure, la classification des zones cultivées reste volontairement très grossière, puisqu'on a seulement distingué les zones de l'image où les parcelles cultivées sont majoritaires (en jaune) des zones où les herbages dominent (en vert clair). Ces résultats sont très différents de ceux qu'on obtiendrait par classification numérique au niveau des pixels, mais ils correspondent souvent davantage aux besoins des utilisateurs. Il est évidemment possible de combiner les deux approches en utilisant par exemple la classification numérique pour les surfaces cultivées et les forêts et l’interprétation visuelle pour extraire les zones bâties et le réseau routier.