mage 
de 
se 
emps 
leur 
ndre 
les 
ses. 
ains 
nne, 
ion. 
ture 
vue 
des 
qui 
ions 
ces 
le 
ire) 
rend 
olus 
nous 
ique 
des 
nant 
ions 
une 
-ion 
hie 
plus 
-ion 
10US 
ı de 
ivre 
un 
see 
'ait 
ite: 
en 
le- 
ter 
our 
ce 
0ix 
= 
une 
hui 
par 
tte 
lle 
Puis, sur cette classification, il doit 
définir des paysages qu'il juge 
importants et caractéristiques du milieu 
étudié. Il établit donc une typologie des 
paysages, en créant la base de 
connaissances qui va servir à analyser 
l'image. Cette base est constituée de la 
composition type de chaque paysage, de 
l'échelle d'observation préférentielle 
pour chaque paysage et d'un seuil de 
rejet propre à chaque paysage. 
Soit une image classée I à N Classes, 
numérotées de 1 à N, la classe O étant 
constituée des points non classés. Un 
paysage P est alors caractérisé par: 
- N+1 pourcentages, 
- une échelle préférentielle 
- un seuil de rejet. 
Exemple: soit l'image classée à 6 
classes, dont la légende est: 
classe 1: rizières à bonne maîtrise 
de l'eau 
classe 2: rizières à maîtrise de 
l'eau plus aléatoire 
classe 3: rizières à mauvaise 
maîtrise de l'eau 
classe 4: boisements 
classe 5: eau 
classe 6: nuages 
Nous dirons qu'un paysage de rizières 
bien irriguées se compose de: 
-50% de rizières à bonne maîtrise de 
l'eau 
-25% de rizières à maîtrise de l'eau 
plus aléatoire 
-10$ de boisements (eucalyptus, 
bocages) 
-10$ d'eau 
-5% d'autres phénomènes 
Ce paysage est caractérisé par un 
"vecteur-composition" à 7 composantes, 
une par classe et une pour les non 
classés (la première). Ici ce vecteur est 
donc (0,50,25,0,10,10,0) 
Nous procédons alors à une analyse de 
l'image en cherchant les regions qui 
correspondent à chaque type de paysage 
décrit par l'expert dans la base de 
connaissance. 
Pour cela, en tout point de l'image, nous 
recherchons quelle composition de paysage 
se rapproche le plus de celle de son 
voisinage et nous classons ce point dans 
ce paysage. Ainsi, nous examinons une 
fenêtre centrée sur ce point, nous 
calculons sa composition en pourcentage 
de chacune des classes, et nous comparons 
cette composition à chacune des 
compositions idéales définies pour chaque 
paysage. La composition "la plus proche" 
détermine le paysage auquel sera attribué 
le point. Nous verrons plus loin quelle 
distance utiliser pour effectuer cette 
mesure. 
551 
4.4 Résultats 
Nous obtenons donc, en fin de calcul, 
pour chaque point, un paysage et une 
distance, la distance entre la 
composition théorique de ce paysage et la 
composition réelle de la fenêtre étudiée. 
4.5 Taille de fenêtre 
  
En fait, nous faisons varier la taille de 
la fenêtre d'étude dans un intervalle. 
Pour chaque taille de fenêtre, nous 
calculons le paysage "le plus proche" et 
la distance correspondante (distance 
entre la composition théorique du paysage 
et la composition réelle de la fenétre). 
Enfin, parmi cet ensemble de paysages, 
nous ne conservons que le paysage pour 
lequel 1a distance est minimale, ainsi 
que la taille de la fenétre associée. 
Quelle taille de fenêtre considérer? 
Rogala (Rogala, 1982) souligne que "la 
recherche d'un voisinage préférentiel, 
lié aux données, est un faux problème car 
une image est interprétable à plusieurs 
niveaux", celui des parcelles, celui du 
terroir, celui de la région... Mais en 
fait, l'analyse que l'on fait du paysage 
a toujours des échelles privilégiées, 
celles correspondant aux aires de 
référence des paysages. 
Pour un paysage donné, le meilleur choix 
pour obtenir un résultat cohérent avec 
l'analyse préalable, est une taille de 
fenêtre dont la surface est voisine de la 
surface moyenne des aires de référence. 
L'echelle préférentielle est un élément 
important qui vient pondérer 1° analyse 
frequentielle des paysages. Nous en 
tenons compte en choisissant les 
dimensions de la fenêtre d'étude. Nous 
pouvons voir figure 1 l'influence de 
cette échelle: elle détermine ici (voir 
ligne en pointillé) le choix entre le 
paysage 3 (30 sur l'axe des ordonnées) et 
le paysage 4 (40 sur l'axe). Elle se 
révèle particulièrement importante dans 
le cas de minimums locaux multiples 
proches, comme c'est le cas figure 1. 
  
4 Distance 
Paysage ( x 10) 
Distances 
.... Paysages 
  
  
  
> 
3.7. 32.15: 29 23 27 31 35 39 43 47 51 Taille - 
  
  
  
FIGURE 1 
Influence de l'échelle préférentielle sur 
l'analyse fréquentielle des paysages.