Les méthodes de reconnaissance automatique des matériaux de toiture

Les méthodes de reconnaissance automatique des matériaux de toiture

Méthodes basées sur l’analyse des données hyperspectrales

La spectro-imagerie, également appelée imagerie « hyperspectrale » par opposition à l‟imagerie « multispectrales », est une technologie permettant la représentation d‟une scène suivant un grand nombre de bandes spectrales (généralement plus d‟une centaine), étroites (≤ 10nm) et contiguës. Le domaine spectral peut couvrir le visible, le proche infrarouge et le l‟infrarouge de courte longueur d’onde. Ce type d‟image est de plus en plus utilisé dans le domaine de la reconnaissance automatique de différents objets (bâtiment, voirie, espace vert, matériau de toiture…). En Allemagne, dans le cadre d‟un projet d‟évaluation des émissions de polluants par les matériaux des surfaces urbaines, une méthode de classification des matériaux de toiture a été mise au point (Lemp et Weidner, 2004). Cette approche est basée sur la combinaison de données hyperspectrales (dans le visible et le proche infrarouge) avec un modèle numérique de surface (MNS). La classification est effectuée à l‟aide du logiciel eCognition (logiciel de traitement d‟image qui permet de segmenter l‟image en groupes de pixels montrant des caractéristiques similaires tels que leurs tailles, couleurs, etc. et de faire de la classification). Le MNS sert à identifier la géométrie des surfaces détectées ainsi qu‟à détecter les bâtiments et les découper en pans de toit. L‟identification du matériau de toiture est obtenue à partir de la classification de données hyperspectrales. Il s‟agit d‟affecter à chaque matériau le spectre radiométrique proche. Le MNS est utilisé pour lever les ambigüités entre certains matériaux. En effet, la pente de la toiture, estimée à partir du MNS, est utilisée dans le processus de la classification pour différencier entre certains matériaux « ressemblants ».

Les méthodes de reconnaissance automatique des matériaux de toiture 

Le résultat obtenu est une image de surfaces de toitures colorées, chaque couleur correspond à un matériau spécifique. Par exemple, la couleur rouge correspond à la tuile alors que le bleuciel représente le zinc (cf. Figure 74). (a) (b) Figure 74 : (a) Image aérienne ; (b) Classification de matériaux de toit (Lemp and Weidner, 2004) Néanmoins, cette méthode présente des problèmes de classification des matériaux de toiture dus à la variabilité des matériaux d’une part et la similitude des spectres de certains matériaux d’autre part. Ainsi, une classification basée seulement sur les données hyperspectrales reste difficile, bien que les données fournissent une haute résolution spectrale. Une autre méthode a été développée plus spécifiquement pour classifier les matériaux de toiture dans la ville de Karlsruhe en Allemagne (Brand, 2005). Cette méthode s‟est basée sur une application d‟un masque (issu des données de balayage à laser) permettant de se focaliser uniquement sur les bâtiments (cf. Figure 75).

Des données hyperspectrales ont été utilisées dans la classification. Les résultats de ce travail montrent que les matériaux en tuile et en cuivre sont bien classés. D‟autres matériaux comme l‟ardoise et les terrasses en bitume sont confondus à cause de la similitude de leurs courbes spectrales. (a) (b) (c) Figure 75 : (a) Image aérienne ; (b) Application du masque ; (c) Classification des matériaux de toitures (Brand, 2005) 234 Pour améliorer la classification à partir des données hyperspectrales, une étude plus récente a adopté une approche par analyses spectroscopiques utilisant un diagnostic des caractéristiques spectrales (Heiden et al., 2007). Il s‟agit de déterminer et d‟évaluer des caractéristiques spectrales spécifiques à chaque matériau permettant d‟éviter le chevauchement entre classes de matériaux et la variabilité dans une même classe. Pour atteindre cet objectif, l‟analyse a été basée sur une bibliothèque de plus de 21000 spectres de matériaux utilisés dans des villes allemandes. Les résultats de cette étude montrent qu‟une importante gamme de matériaux de toitures peut être identifiée en utilisant des données d’images hyperspectrales. 

Méthode basée sur l’analyse des images multispectrales

L‟imagerie « multispectrales » est une technologie développée à l’origine pour l’imagerie spatiale. Elle peut capter la lumière à partir des fréquences au-delà de la gamme de la lumière visible (rouge, vert et bleu), comme l’infrarouge. Une méthode de classification des matériaux de toitures a été développée à partir de l‟identification des fonctions de distribution de réflectance bidirectionnelle (bidirectional reflectance distribution function, BRDF) des matériaux (Martinoty, 2005). En fait, l‟identification d‟un matériau dépend de la manière dont il est éclairé et de la direction dans laquelle on le regarde. En d‟autres termes, le modèle BRDF estimé à partir d‟images multispectrales permet de tenir compte de l‟éclairage du matériau. La méthode a été appliquée au centre-ville d‟Amiens (France) caractérisée par une majorité des toitures en ardoises. Une vérité-terrain des matériaux de toiture a été réalisée à partir des observations des toitures réelles.

La méthode montre que les toitures en ardoise, en fibrociments et en asphaltes sont bien classées par rapport aux toitures en tuiles. Les résultats montrent un pourcentage global de bonne classification d‟environ 85 %. D‟autres travaux ont entrepris une ventilation des surfaces des toits et par suite l‟estimation des flux de polluants à des échelles spatiales importantes (Le Bris et Robert-Sainte, 2009; Robert-Sainte, 2009; Gromaire et al., 2011). La méthode développée est basée sur la classification des matériaux de toiture à partir des ortho-images aériennes (multispectrales) et de données vecteurs (permettant une focalisation sur les bâtiments). Ces photos sont prises dans le domaine visible (sur trois canaux : rouge, vert et bleu) où la valeur de chaque pixel représente la radiométrie du matériau.

Ainsi, cette méthode permet d‟estimer les surfaces de toits et d‟identifier les différents matériaux de toiture à l‟échelle d‟un bassin versant. Ces 235 photographies aériennes sont analysées à l‟aide d‟un outil de classification (nommé AVET59) permettant d‟obtenir une identification fiable des matériaux de rampants. La méthode inclut la segmentation de l‟image en zones de radiométrie homogènes, de la focalisation sur le bâti (application d‟un masque), une estimation du modèle à partir d‟un apprentissage et la classification proprement dite. Cette méthode a été appliquée sur une partie de la ville de Noisy-le-Grand de 2,25 km². Les résultats obtenus montrent qu‟environ 75% des surfaces des matériaux de toiture ont été bien classées.

Comme pour les méthodes d‟analyse des images hyperspectrales, cette méthode de classification présente aussi des limites en termes de confusion entre les différentes classes (par exemple: zinc dans l’ombre et ardoises à la lumière). Une étude récente de classification des matériaux de toitures développée en Malaisie (Taherzadeh et al., 2013) a exploité les images multispectrales issues de données satellites (la résolution est de 50 cm). Quatre matériaux les plus utilisés en Malaisie ont été recherchés dans les toitures : la tuile en terre cuite, la tuile béton, les métaux (sans spécifier la nature) et l‟amiante-ciment. Cette méthode a été appliquée sur une partie de la ville de Kuala Lumpur. Les mêmes principes ont été utilisés pour la classification que la méthode précédente (Le Bris et Robert-Sainte, 2009). Par contre, cette méthode utilise en plus de la radiométrie de l‟image, l‟information sur la texture ce qui permet de mieux identifier les matériaux de toitures. Les résultats obtenus montrent qu‟environ 82% des surfaces des matériaux de toitures ont été bien classées.