Identification des lineaments geologiques par traitement d'images satellitaires : cas du territoire de Masisi (Nord-Kivu)

2.2.2.2. Le traitement proprement dit

Il comprend les opérations de création de la bande composite, du rehaussement, de l'extraction des linéaments et de la validation des linéaments.

v

16

Création de la bande composite

Cette opération consiste à utiliser trois bandes (canaux) du capteur pour effectuer une synthèse chromatique, par addition des trois couleurs correspondant aux bandes. Ces dernières sont choisies par l'utilisateur en fonction de l'objectif encouru (Richards, 1986, cité dans Bonn, 1994).

On distingue principalement deux manières de constituer la bande composite.

· La composition colorée en couleurs naturelles : elle consiste à l'utilisation des bandes correspondant aux trois couleurs primaires, c'est-à-dire le rouge, le vert et le bleu (dont les bandes sont respectivement B4, B3 et B2 pour le capteur OLI). Le résultat est une image affichée avec des couleurs dites naturelles, correspondant à celles avec lesquelles l'oeil humain perçoit les objets.

· La composition colorée en fausses couleurs : se dit lorsqu'au moins l'une des couleurs primaires n'est pas utilisée, en considération d'une autre couleur (non primaire). Ce genre de composition colorée se fait dans un but bien spécifique.

Pour une meilleure étude des linéaments, nous avons opté pour les bandes B7-B6-B2 car elles mettent en évidence les ombrages, définissant la topographie et les réseaux hydrographiques souvent dus aux structures géologiques.

v Rehaussement

Cette opération est nécessaire dans l'analyse et l'interprétation visuelles des images du fait qu'elle permet d'améliorer leur lisibilité en renforçant certains aspects spécifiques. Cela peut inclure l'ajustement du contraste, le filtrage spatial, etc. (CCT, 2019).

Dans ce travail, deux opérations ont été principalement effectuées pour le rehaussement : la création des néo-canaux ainsi que les filtrages.

· Analyse en composantes principales

Les données fournies par les différents canaux du capteur contiennent souvent des similitudes. La technique d'analyse en composantes principales permet de décorréler ces différentes informations (Ouahabi, 2012), en les combinant et créer ainsi des néo-canaux (Pumain, 1991). Ces derniers peuvent contenir jusqu'à 97% de l'ensemble des données initiales (Deslandes, 1989, cité dans Lacina, 1996).

Cette technique est appropriée pour le rehaussement d'une image multispectrale destinée à une analyse géologique (Biémi et al, 1991, cités dans Lacina, 1996).

17

Dans ce travail, la génération des composantes principales (CP) a été faite par le logiciel ENVI 5.3. Ainsi nous sommes passés des neuf bandes initiales à trois bandes contenant la quasi-totalité d'informations.

· Filtrages

Le bruit dans une image est défini comme l'ensemble des données inutiles empêchant sa bonne lisibilité. Le filtrage est une méthode qui permet d'éliminer le bruit. Les géologues s'intéressent à la différentiation de texture dans les images, comme les contours de zones relativement homogènes qui peuvent constituer une indication de la présence de cassures. Le rehaussement des linéaments consiste à déceler les zones de fortes transitions de réflectance sur la cible ainsi que les hautes fréquences spatiales qui leur s'en suivent dans la plupart des cas (Lacina, 1996).

Grace au filtre directionnel de Sobel du logiciel ENVI 5.3 nous avons appliqué un filtrage par convolution.

§ La convolution

La convolution est l'opération qui permet l'application des filtres sur une image. Ces filtres sont dits, masques (filtres) de convolution (Rey, 2015).

Nous avons vu que les images numériques sont constituées de pixels arrangés sous-forme d'éléments d'une matrice (Bergounioux, 2015). Filtrer une image revient à parcourir tous ses pixels un par un, afin d'en déterminer leurs nouvelles valeurs respectives de niveau de gris. Ces valeurs dépendent bien évidemment du masque de convolution utilisé, mais aussi des valeurs de niveaux de gris des pixels voisins à celui dont on cherche la nouvelle valeur. (Moore & Frederic, cités dans Yang'tshi et al., 2018).

Figure 10. Application d'une convolution sur une image (Barrault, 2015)

Dans notre travail, les différents masques de convolution appliqués sont sous-forme matricielle, et sont dits matrices de convolution. Ces dernières peuvent être utilisées pour le floutage, l'amélioration de la netteté de l'image, le gaufrage, la détection des contours, etc. (Lacina, 1996). Les caractéristiques spécifiques d'un

18

filtre dépendent des valeurs des coefficients assignées à la matrice de convolution (Caloz et Collet, 2001).et de la dimension de cette dernière (Lacina, 1996)

Comme on peut le remarquer sur la figure 10, « le niveau de gris de chaque pixel à l'intérieur de la fenêtre mobile sur l'image est multiplié par la valeur correspondante de la matrice de convolution. La valeur finale attribuée au pixel central représente la somme de ces produit divisée par le nombre d'éléments de la fenêtre. L'image résultante (dite convoluée) provient de la convolution de la fenêtre sur l'image entière » (Yang'tshi et al., 2018).

Il est nécessaire de procéder à plusieurs filtrages suivant plusieurs directions pour prendre en compte le plus de linéaments possibles. Pour ce travail, les directions pour lesquelles les filtrages ont été appliqués sont par rapport au Nord, celles de 0° (N-S), 45° (N.E-S.W), 90°(E-W) et 135° (S.E-N.W). Le tableau 3 contient les différents noyaux utilisés :

Tableau 3. Matrices de convolution utilisées

Noyau directionnel 3x3 pour 0°			Noyau directionnel 3x3 pour 45°
-1.0000	0.0000	1.0000	-1.41420	-0.70710	0.00000
-1.0000	0.0000	1.0000	-0.70710	0.00000	0.70710
-1.0000	0.0000	1.0000	0.00000	0.70710	1.14142
Noyau directionnel 3x3 pour 90°			Noyau directionnel 3x3 pour 135°
-1.0000	-1.0000	-1.0000	0.00000	-0.70710	-1.41420
0.0000	0.0000	0.0000	0.70710	0.00000	-0.70710
1.0000	1.0000	1.0000	1.14142	0.70710	0.00000

L'avantage d'utiliser les filtres directionnels est que ces derniers créent un effet optique d'ombre qui facilite l'identification des linéaments (Marion, 1987, cité dans Lacina, 1996), mais aussi ces filtres permettent d'améliorer la perception des linéaments qui ne sont pas bien éclairés par la source d'éclairement (Drury, 1986, cité dans Lacina, 1996).

v Extraction des linéaments

Pour une meilleure visibilité des linéaments après leur rehaussement par les

diverses méthodes que nous avons énumérées dans les points précédents, il faut passer à leur extraction. On distingue deux modes d'extraction des linéaments : l'extraction visuelle et l'extraction automatique.

·

19

La méthode visuelle : Après le rehaussent des linéaments, pour rendre ces derniers beaucoup plus visibles, on procède à leur traçage par la main ou à l'aide d'un logiciel de dessin.

· La méthode automatique : plutôt que d'utiliser des méthodes manuelles, des logiciels appropriés procèdent à l'extraction des linéaments de façon automatique. C'est la méthode qui a été utilisée dans le cadre de ce travail.

Nous avons utilisé le logiciel PCI Geomatics, via son module LINE. L'extraction des linéaments s'est faite dans un premier temps sur chacune des images filtrées selon les différentes directions, et ensuite, sur une carte (image) sur laquelle tous les linéaments extraits ont été représentés.

v Validation des linéaments

L'un des inconvénients de l'extraction automatique des linéaments est la non distinction par les logiciels des linéaments dont la présence en un lieu a une cause géologique et ceux (qu'on pourrait qualifier de « faux linéaments ») qui sont identifiés par les logiciels de traitement en tant que linéaments mais qui en réalité n'ont rien à voir avec la géologie. Cette deuxième catégorie des linéaments pourrait avoir une cause d'origine humaine telle que les routes, la limite des cultures, etc.

Le présent travail consistant à l'identification exclusive des linéaments géologiques, la validation des linéaments est un moyen approprié de les distinguer des linéaments d'origine humaine. Cette validation consiste à combiner les résultats obtenus après l'extraction automatique à des modèles qui sont en principe des données géoscientifiques existantes (géophysiques, géochimiques, géologiques, hydrogéologiques, topographiques).

Suite à une insuffisance des données géoscientifiques relatives au territoire de MASISI, dans le cadre de la validation des linéaments, nous nous sommes limités à la confrontation des linéaments d'après les modèles hydrographiques, hydrologiques et topographiques.

3. Résultats et discussions 3.1. Corrections radiométriques

Sur la figure 11, le résultat des corrections radiométriques :

a b

Figure 11. Corrections radiométriques. (a) Image non corrigée. (b) Résultat des corrections radiométriques.

3.2. Création de la bande composite

Grâce à l'algorithme « Layer Stacking » du logiciel ENVI 5.3, nous avons regroupé différentes bandes pour ne former qu'une seule image. Ainsi on a obtenu une composition colorée en couleurs naturelles (figure 12) et une composition composée en fausses couleurs (figure 13).

Figure 12. Bande composite en couleurs naturelles (B4-B3-B2)

20

21

Figure 13. Bande composite en fausses couleurs (B7-B6-B2)