WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

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


par Moise Muzalia
UNIKIN - Graduat 2021
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

3.3. Création des néo-canaux par l'analyse en composantes principales (CP)

Le tableau 4 ci - dessous présente le résultat des statistiques d'informations par bande :

Tableau 4. Statistiques d'informations des bandes

Composantes

Valeur propre

Pourcentage

CP1

1

293

233.12

98.93507

CP2

 

6

911.27

0.52873

CP3

 

6

427.23

0.49170

CP4

 
 

439.40

0.03361

CP5

 
 

104.70

0.00801

CP6

 
 

35.80

0.00274

CP7

 
 

1.84

0.00014

Total

1

307

153.36

100

D'après ces statistiques, on remarque que le canal correspondant à la CP1 contient la quasi-totalité d'informations. Ensuite viennent les canaux correspondant aux CP2 et CP3. Ainsi les sept bandes considérées ont été réduites aux trois composantes principales (figure 14).

a

b

c

22

Figure 14. Les composantes principales. (a) La CP1. (b) La CP2. (c) La CP3

3.4. Rehaussement de l'image par Sobel

Sur la figure 15, l'image CP1 rehaussée grâce à Sobel, de matrice 3 x 3. Nous avons rehaussé seulement la CP1 car d'après les analyses statistiques, elle renferme la quasi-totalité d'informations.

Figure 15. Image SOBEL de CP1

3.5. Filtrage de l'image Sobel par la convolution directionnelle

Sur la figure 16, le résultat de l'application des filtres directionnels de 0°, 45°, 90° et 135° sur la CP1

a

 

Figure 16 (a). Filtrage de CP1 dans la direction de 0°

23

b

c

d

24

Figure 16. Filtrages directionnels. (b) de 45° ; (c) de 90° ; (d) de 135°

3.6. Extraction automatique des linéaments

L'extraction s'est faite par l'entremise de l'algorithme « Lineament extraction » présent dans le logiciel PCI Geomatica. Nous avons pris en compte les images filtrées d'après les quatre directions (figure 16). Ci - dessous sur la figure 17, sont repris les paramètres d'extraction utilisés dans le cadre de cette étude.

Figure 17.Paramètres utilisés pour l'extraction automatique des linéaments

La figure 18 montre résultats de ce traitement.

a

 

25

Figure 18 (a). Linéaments extraits dans la direction de 0°

b

c

d

26

Figure 18. Linéaments extraits dans les directions de 45° (b), 90°(c) et 135° (d).

27

La figure 19 ci - dessous comprend tous les linéaments extraits grâce au filtrage de toutes les 4 directions.

Figure 19. Linéaments filtrés pour toutes les 4 directions choisies

3.6.1. Nombre et longueur totale des linéaments selon les directions

Dans le tableau 5, se trouvent les chiffres relatifs au nombre et à la longueur totale des linéaments, en fonction des directions choisies.

Tableau 5. Statistique des linéaments de la zone d'étude

Gradient
directionnel

Nombre de
linéaments

Longueur moyenne des
linéaments (en m)

1

N.W

113

1152.57

2

S

102

1229.52

3

N.E

106

1305.08

4

E

135

1399.25

Le plus grand nombre des linéaments se trouve dans la direction Est. C'est dans cette même direction que les linéaments ont la longueur totale la plus élevée.

28

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Enrichissons-nous de nos différences mutuelles "   Paul Valery