Perspectives d’application des méthodes proposées

 Segmentation d’images à THRS

Afin de mettre en perspective les résultats obtenus à partir des photographies aériennes de 1978 et 2001 sur le secteur périurbain de l’agglomération rennaise avec la méthode de segmentation que nous avons développée et présentée dans le chapitre 5, nous avons appliqué cette méthode dans d’autres contextes paysagers et/ou sur d’autres types d’images.

Ainsi, nous avons évalué cette méthode en l’appliquant à trois images en niveaux de gris de sources différentes : une photographie aérienne, et deux images satellitales à THRS (une image panchromatique Kompsat et une image panchromatique Quickbird). Ces trois images ont une résolution spatiale de 1 mètre.

La photographie aérienne a un spectre correspondant au domaine du visible et les images panchromatiques ont un spectre de mesure compris entre 0.45µm et 0.90µm. La photographie aérienne représente un paysage viticole dans le bassin d’Helderberg en Afrique du Sud. Les images satellitales présentent un milieu périurbain à l’interface ville–campagne. L’image Quickbird est localisée à Rennes, tandis que l’image Kompsat est centrée sur le site de Pleine-Fougères.

Les résultats des trois modèles fonctionnels (LPE, Agrégation des petits objets, Agrégation des grands objets présentés au chapitre 5) apparaissent respectivement pour chaque image testée : photographie aérienne (Figure 11.1), image Kompsat (Figure 11.2), image Quickbird (Figure 11.3).

Contribution de la texture et de la luminance

L’analyse de chaque modèle montre que la LPE détecte précisément les contours de chaque objet mais que le résultat reste cependant sur-segmenté. L’agrégation des régions en fonction de leur luminance, qui limite la création d’objet à 500 pixels, permet d’obtenir un ensemble de régions de luminance et de taille homogènes. La dernière étape consiste à agréger les régions à partir de mesures de luminance et de textures fusionnées à l’aide de la théorie des évidences.

Si l’on s’intéresse de plus près aux images traitées, on observe sur la photographie aérienne que la méthode regroupe correctement les motifs fortement texturés des vignes. Les images Kompsat et Quickbird sont plus complexes, car elles associent les milieux urbain et rural qui représentent deux types de paysages distincts pouvant faire l’objet d’une analyse à des échelles différentes.

La méthode s’avère particulièrement adaptée puisqu’elle reproduit correctement les objets larges tout en préservant les plus petits. Les parcelles agricoles sont bien délimitées tout comme les maisons, les jardins et les routes qui sont particulièrement filiformes. L’évaluation de la segmentation selon les indices d’Ortiz et Oliver [Ortiz & Oliver 2006] (cf. chapitre 5) confirme que les segmentations sont globalement cohérentes avec un indice CG > 50 % pour les trois images (Tableau 11.1)

Exemple de segmentation à plus basse résolution

Si l’on souhaite segmenter uniquement les objets les plus larges, il est possible de définir un nombre de décompositions en ondelettes plus élevé de manière à ce que la méthode traite l’image à des résolutions plus basses. Dans un tel cas, la méthode prend davantage en compte les contours des objets les mieux représentés, une information de luminance plus générale et les patterns des textures à une échelle plus grande. Cela peut être particulièrement intéressant dans le cas où l’on souhaite segmenter le milieu urbain en un unique objet.

La figure 11.4 présente un exemple de résultat sur l’image Quickbird à l’aide d’une décomposition en ondelettes sur trois niveaux. L’ensemble du milieu urbain a été correctement délimité, les espaces en eaux enclavés n’y ont pas été agrégés, et les principaux objets caractérisant le paysage agricole (parcelles, bois, haies) ont été conservés.