Full text: Systems for data processing, anaylsis and representation

  
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:
	        
Waiting...

Note to user

Dear user,

In response to current developments in the web technology used by the Goobi viewer, the software no longer supports your browser.

Please use one of the following browsers to display this page correctly.

Thank you.