Nouvelles méthodes de fusion

 Nouvelles méthodes de fusion

 Artefacts des méthodes de type ARSIS

On présente ici les cinq types d’artefacts que nous avons pu observer visuellement sur des résultats issus de différentes méthodes de fusion de type ARSIS. Cette partie est complétée par l’explication de l’origine des divers défauts observés.

Méthodes de fusion testées et illustrations choisies

Les méthodes de fusion sélectionnées ont été testées grâce à l’outil logiciel fusion sous IDL (annexe 1). Leurs éléments ont déjà été présentés. ATWT-M3 qui utilise comme MSM la transformée à trous combinée au couple IMM-HRIMM M3 qui s’appuie sur une estimation globale des paramètres entre plans de coefficients d’ondelettes.  La seconde méthode de fusion testée est ATWT-RWM. Au MSM « à trous » est associé le modèle local RWM pour l’estimation des paramètres. La taille de la fenêtre d’estimation a été fixée à 17 par 17 pixels. GLP-CBD utilise la décomposition hiérarchique de la pyramide Laplacienne généralisée GLP conjointement avec le modèle d’estimation locale CBD des paramètres qui s’applique aux approximations. La taille de la fenêtre d’estimation est fixée à 7 par 7 pixels. GLP-M3 se réfère au même modèle multi-échelle que la méthode précédente et y joint le couple IMM-HRIMM M3. Enfin, MallatDaub4-RWM s’appuie sur le cadre de l’analyse multirésolution de Mallat avec l’ondelette Daub4 directionnelle et non-symétrique, et utilise le couple IMM-HRIMM RWM. La décomposition avec cette ondelette produit une dégradation conséquente de la qualité visuelle des images. Nous l’avions choisi pour servir de comparatif dans cette première campagne. Cependant, comme la qualité a été jugée vraiment médiocre par les interprètes d’images, elle n’apparaîtra pas dans les commentaires et les illustrations. Les images sur lesquelles ont été appliquées les algorithmes de fusion sont très diverses, en terme de satellites, résolutions spatiales, ratio et encore de paysages, comme en témoignent les cinq groupes d’illustrations suivantes des figures 6.1 à 6.5. Chaque figure est associée à une série de commentaires directement issus du rapport des interprètes d’images. Nous ferons référence à ces figures lors de la description des artefacts. Des cercles de couleurs différentes permettent de focaliser l’attention sur les artefacts. Nous avons recensé cinq grands types de défauts auxquels nous avons associé une couleur de cercle différente : le faïençage, avec des cercles de couleur rouge, les artefacts ponctuels ou irisations de couleurs aberrantes, avec des cercles verts, les stries diagonales de radiométries successivement claires et sombres indépendantes du faïençage, défauts encerclés de blanc, enfin, le flou, entouré en rose. les inversions de contraste encerclés en bleu, Figure 6.1 : image CNES, Toulouse – a) produit fusionné par ATWT-M3, b) par ATWT-RWM, c) par GLP-CBD, d) par GLP-M3, e) Pan. Copyright CNES 2000. e) Sur ce premier extrait de l’image CNES Toulouse en vraies couleurs, les interprètes ont observé : ♦ ♦ par la méthode ATWT-M3 : un léger flou sur l’ensemble de l’image, ATWT-RWM : des zones aléatoires de flou. Flou très important sur la végétation. On observe un phénomène de rebond sur les linéaires de la piste d’athlétisme (cercle blanc), 105 GLP-CBD : des zones aléatoires de flou, qui est important dans les zones de transitions naturelles/artificielles. Accentuation des linéaires accompagnée d’un piqué et de quelques artefacts une fois encore sur la piste d’athlétisme et sur les pelouses, GLP-M3 : un léger flou dans les zones homogènes (pelouse, terrain). ♦ ♦ a) b) c) d) Figure 6.2 : image Ikonos, Hasselt (Belgique) – a) produit fusionné par ATWT-M3, b) par ATWT-RWM, c) par GLP-CBD, d) par GLP-M3, e) MS originale. Copyright Space Imaging 2002. e) 106 Observations des interprètes concernant la seconde illustration : ♦ ♦ ♦ ♦ ATWT-M3 : des couleurs ternes, GLP-CBD : des couleurs plus intenses, mais une modification de la texture du canal avec l’apparition d’une bande centrale de radiométrie claire. GLP-M3 : une atténuation de la teinte des couleurs avec une perte quasi totale du vert. Apparition d’une bande centrale claire dans le cours d’eau. ATWT-RWM : une bonne restitution des couleurs, mais de nombreux artefacts, une haute radiométrie saturée et un rebond. Cet exemple met en évidence la dégradation importante réalisée par cet algorithme de fusion.

Bilan de la qualité visuelle, méthode par méthode

Les interprètes d’images s’accordent à dire que la fusion a un apport informatif non négligeable pour toutes les résolutions et capteurs en leur possession lors de cette première expérimentation. La fusion permet de mieux discriminer les éléments du réseau routier, de la ville ou encore d’apprécier la nature d’un sol. Elle permet aussi de mieux caractériser les surfaces qui possèdent des radiométries voisines sur l’image Pan. Ils ont néanmoins conclu que les défauts sont moins flagrants pour les images ayant pour origine un capteur à résolution spatiale moyenne (SPOT5). Les conclusion des interprètes sont en accord avec les différents travaux publiés sur l’intérêt de la fusion. Méthode ATWT-M3 (image a des figures 6.1 à 6.5) : les images issues de cette méthode de fusion comportent un léger flou homogène sur toute l’image. Par exemple, la figure 6.4d présente une meilleure impression visuelle avec un contraste plus important que pour l’image 6.4a synthétisée par la méthode ATWT-M3. Des cercles de couleur rose permettent aussi de visualiser ce défaut. Par contre, 110 on observe une bonne similitude des couleurs comparées aux MS d’origine, mais elles apparaissent souvent un peu ternes. Les hautes radiométries sont souvent entourées d’un halo clair. La perception des petits objets est bonne, même si la couleur des petits objets a tendance à diffuser (baver) sur les pixels voisins. On note une légère atténuation des objets dans les ombres. Méthode ATWT-RWM (image b des figures 6.1 à 6.5) : un flou important est présent sur toutes les images mais de manière aléatoire. Les zones de transition entre le bâti et la végétation, et plus généralement entre zones artificielles et naturelles, sont les plus dégradées. La couleur verte a tendance à baver. Excepté ce point, la restitution des couleurs est très bonne, particulièrement sur des objets de couleurs vives, tels que des voitures rouges ou des toits de bâtiments oranges (figure 6.3b), même si parfois la couleur contamine partiellement la radiométrie des pixels alentours. En conclusion, on note une bonne fiabilité des couleurs. Cependant, on a pu observer avec l’illustration 6.1b mais surtout 6.4b des inversions de contraste. Plusieurs irisations ponctuelles multicolores ont aussi été rapportées. Les hautes radiométries présentent des halos/rebonds. Des petits objets disparaissent par agrégation ou par le lissage des structures. On note une perte d’information dans les ombres. Méthode GLP-CBD (image c des figures 6.1 à 6.5) : les remarques sont assez similaires à celles de la méthode ATWT-RWM. Néanmoins, les produits fusionnés ne présentent pas d’inversion de contraste. L’avantage aussi est que les couleurs apparaissent un peu plus intenses. Cependant, on note une présence accrue des artefacts ponctuels colorés et la présence de stries obliques dans des zones homogènes non floues. Méthode GLP-M3 (image d des figures 6.1 à 6.5) : les remarques ressemblent à celles obtenues pour la méthode de fusion ATWT-M3. Cependant, cette méthode de fusion présente moins de flou, mais plus de risques de faire apparaître des stries obliques (figure 6.5d). En conclusion, les méthodes de fusion ATWT-M3 et GLP-M3 se révèlent juste acceptables pour un cadre opérationnel. Si la qualité informative de ces deux méthodes est acceptable, leur qualité visuelle n’est pas satisfaisante en raison d’un effet de voile et la présence de halos induits principalement par les hautes radiométries. La méthode ATWT-M3 est considérée comme celle présentant la meilleure qualité visuelle.