1.2.7. Types d'images satellitaires
Il existe plusieurs types d'images satellitaires en
télédétection (tableau 1).
Tableau 1.1. Quatre types d'images
satellitaires et leurs caractéristiques spécifiques (CCT,
1995).
Types
|
Système de caméras et bandes
|
Application
|
Landsat
|
- Multi Spectral Scanner (MSS) Chaque
|
La gestion des
|
|
bande possède une résolution spatiale de 60
|
ressources, la
|
|
sur 80 mètres, et une résolution
|
cartographie, la
|
|
radiométrique de 6 octets, ou de 64 valeurs
|
surveillance de
|
|
numériques. - Thematic Mapper (TM) La
|
l'environnement et la
|
|
résolution spatiale de 30 m pour toutes les
|
détection du changement
|
|
bandes, sauf l'infrarouge thermique qui est de
|
(par exemple, la
|
|
120 m. Toutes les bandes sont enregistrées
|
surveillance des coupes à
|
|
sur une étendue de 256 valeurs numériques (8
octets). - Return Beam Vidicon (RBV)
|
blanc) etc.
|
SPOT
|
- Haute Résolution Visible (HRV) Peut
|
SPOT est utile pour les
|
|
capter en mode panchromatique (une seule
|
applications qui
|
|
bande) et offre une excellente limite de
|
requièrent une excellente
|
|
13
|
résolution spatiale de 10 m. Ils peuvent aussi
|
résolution spatiale
|
|
capter en mode multibande (MLA) (trois
|
(comme la cartographie
|
|
bandes) qui offre une résolution spatiale de
|
urbaine), la foresterie et
|
|
20 m. Le système SPOT présente plusieurs
avantages par rapport aux autres capteurs spatiaux. Sa limite de
résolution fine et le dépointage des capteurs sont les
principales raisons de sa popularité.
|
l'agriculture.
|
IRS
|
Combine les caractéristiques des capteurs de
|
La discrimination de la
|
|
Landsat MSS et TM et du capteur HRV de
|
végétation, la
|
|
SPOT
|
cartographie terrestre, et
pour la gestion des
ressources naturelles.
|
Quickbird
|
la résolution panchromatique passe de 80
|
les bâtiments, les
|
|
centimètres à 61 centimètres et les
|
voitures et même de
|
|
résolutions multispectrales de 4 à 2,44
|
grands arbres individuels
|
|
mètres.
|
peuvent être reconnus.
|
|
1.2.8. Classification et analyse d'images
Les opérations de classification et d'analyse d'image
sont utilisées pour identifier et classifier numériquement des
pixels sur une image. La classification numérique des images utilise
l'information spectrale contenue dans les valeurs d'une ou de plusieurs bandes
spectrales pour classifier chaque pixel individuellement. Ce type de
classification est appelé reconnaissance de regroupements
spectraux. Les deux façons de procéder (manuelle ou
automatique) ont pour but d'assigner une classe particulière ou
thème (par exemple : eau, forêt de
conifères, maïs, blé, etc.) à chacun des pixels d'une
image. La "nouvelle" image qui représente la classification est
composée d'une mosaïque de pixels qui appartiennent chacun à
un thème particulier. Cette image est essentiellement une
représentation thématique de l'image originale.
14
Figure 1.7. Illustration d'une classification et
analyse des images
Les méthodes de classification les plus communes
peuvent être séparées en deux grandes catégories :
les méthodes de classification supervisée et les
méthodes de classification non supervisée.
1.2.8.1 Distinction entre la classification non
supervisée et supervisée
Lors de l'utilisation d'une méthode de classification
supervisée, l'analyste identifie des échantillons assez
homogènes de l'image qui sont représentatifs de différents
types de surfaces (classes d'information). Ces échantillons forment un
ensemble de données-tests. La sélection de ces
données-tests est basée sur les connaissances de l'analyste, sa
familiarité avec les régions géographiques et les types de
surfaces présents dans l'image. L'analyste supervise donc la
classification d'un ensemble spécifique de classes. Les informations
numériques pour chacune des bandes et pour chaque pixel de ces ensembles
sont utilisées pour que l'ordinateur puisse définir les classes
et ensuite reconnaître des régions aux propriétés
similaires à chaque classe.
La classification non supervisée procède de la
façon contraire. Les classes spectrales sont formées en premier,
basées sur l'information numérique des données seulement.
Ces classes sont ensuite associées, par un analyste, à des
classes d'information utile (si possible). Des programmes appelés
algorithmes de classification sont utilisés pour
déterminer les groupes statistiques naturels ou les structures des
données. Des informations plus détaillées se trouvent sur
le site
https://www.rncan.gc.ca/sciences-terre/geomatique/imagerie-satellitaire-photos-aeriennes/imagerie-satellitaire-produits/ressources-educatives/9362
15
| 
