i valuation de classificateurs spectraux servant à différencier
la glace de mer et l’eau libre en vue de l'exploitation de RADARSAT
Les données de télédétection constituent un moyen pratique et rentable d'acquérir rapidement de l'information
détaillée sur les eaux canadiennes envahies parles glaces. Aprés le lancement du satellite RADARSAT, prévu pour
le début de 1995, on pourra recueillir des volumes considérables de données de radar d'ouvertureà synthétique
(ROS) sur les océans du Canada. On prévoit que l'interprétation visuelle des données à l'échelle régionale deviendra
une táche extrémement lourde. Pour éviter un éventuel engorgement, des chercheurs ont proposé de créer des
systémes automatisés qui serviraient à fabriquer des produits pour les utilisateurs finals de toutes les disciplines, et
en particulier pour les applications des glaces, vu le caractère opérationnel du Centre des glaces d’Environnement
Canada et des services qu’il offre à sa clientèle.
Pour analyser des images, les experts se fondent sur divers éléments d’information : la teinte, la texture, la
structure, la forme, la taille et le contenu (rapports entre ces caractéristiques). Le système de classification
automatique des glaces, quant à lui, aurait pour principale composante un ensemble d'algorithmes de segmentation
d'images. La teinte et la texture sont des éléments d'information de premier ordre qui peuvent servir à différencier
les types de glaces repérés sur les images ROS. La teinte fait référence à la rétrodiffusion (quantité de micro-ondes
réfléchies de la glace de mer jusqu'au capteur), tandis que la texture représente l'arrangement spatial des densités
de pixels, ce qui fournit des renseignements sur la structure. Les chercheurs ont choisi de travailler à partir
d'éléments de premier ordre parce que les algorithmes utilisés seront relativement simples et rapides, et qu'il sera
possible d'incorporer par la suite d'autres éléments plus complexes au besoin. Les classificateurs spectraux ont été
retenus comme outils de départ parce qu'ils sont efficaces et rapides, ce qui constitue un critère important dans un
contexte opérationnel.
Pour pouvoir fonctionner avec RADARSAT, le système de classification automatique devra être en mesure de traiter
des données recueillies au moyen d’un ROS à canal et à polarisation uniques. La plupart des données ne seront pas
étalonnées, et le système devra être assez robuste pour s’adapter à divers types de glace et pour traiter les
ambiguïtés que l’on prévoit obtenir sur les images RADARSAT ScanSAR.
Les algorithmes spectraux possèdent trois caractéristiques : la fonction discriminante, l’utilisation faite des variations
spatiales de la glace de mer dans une scène et la stratégie utilisée pour segmenter une scène. Le présent rapport
porte principalement sur l’évaluation de cinq prototypes d’algorithmes spectraux de classification de la glace. Ces
prototypes se fondent sur les variations de teinte et de texture locale pour différencier la glace et l’eau libre. Les
auteurs se sont intéressés aux variations de teinte et de texture qui dépendent de l’emplacement géographique, de
la saison (type de glace, humidité de la surface), des conditions climatiques et des conditions de prise d’image
(fréquence du capteur et emplacement de la cible par rapport au capteur). Il faut absolument être en mesure de
reconnaître ces effets pour pouvoir segmenter de façon exhaustive les images de glace de mer. On pourra ensuite
se baser sur des images segmentées en glace et en eau libre pour approfondir la classification et offrir des produits
à valeur ajoutée.
! Extended Abstract
436
ABST
Synthet
conside
to a nui
used da
paper r
using $
parame
also de]
The de
depend
the data
The pa[
stereom
Keywor
ERS-1«
the dat:
mappin,
the extr.
the first
Dowma
et al, [1
done at
summar
and ster
The JEI
optical :
coverag
already
data at a
ERS-1
complei
SPOT b: