décrites ci-dessous. 
a- La structure de l'image résultat est identique à la structure de 
l'image-origine. : 
Cette similitude permet d'appliquer des opérateurs "classiques" à 
cette donnée multidimensionnelle. 
- amélioration des contrastes, 
- combinaison des canaux, 
- seuillages multiples, 
- classifications diverses. 
L'intérét est que de tels traitements sur l'image transformée 
fournissent des résultats originaux puisque l'information est de nature 
différente. 
b- La nature de l'information est une probabilité locale d'apparte- 
nance à une classe de départ donnée. C'est ce fait qui permet la segmentation 
zonale et simule la perception aréolaire. Par analogie avec l'information 
multispectrale, le voisinage est un pixel oü les radiométries sont les fréquences 
de présence des différentes classes. Chaque pixel auquel est attribué l'infor- 
mation pour une position de la fonction spatiale dispose ainsi d'une sorte de 
"signature thématique". 
C- La signature multidimensionnelle a des propriétés thématiques 
permettant des traitements déterministes. Comme dans l'image d'origine, chaque 
pixel est un vecteur qui donne les importances relatives de classes de départ 
dans un voisinage donné. Il est donc possible d'extraire les pixels répondant 
à une composition de l'occupation des terres préfixée sans échantillonnage. 
Des traitements déterministes sont ainsi possibles avec la même signification 
qu'une démarche supervisée mais sans parcelles d'entraînement. 
^ d- La somme des valeurs du vecteur créé p est une constante (A). 
p = (Pci? "ris Ben) ta Par “Per * *>> Pa A 
et À = V e X Vy ou Ve et Vy sont les longueurs en X et Y de la 
fenétre traitée. 
Cette propriété permet de définir une valeur ou une somme de valeurs 
du vecteur en connaissant seulement une partie de ce vecteur. Ces informations 
peuvent donc étre obtenues sans parcelles d'entrainement. 
e- Les corrélations négatives entre les valeurs des pixels dans les 
canaux créés réduisent l'information nécessaire à la segmentation. Aussi, 
lorsque deux canaux ont des coefficients de corrélation proches de -1, les zones 
correspondantes peuvent étre obtenues uniquement par seuillage sur l'un d'entre 
eux. Le seuillage sur le second canal est inutile puisqu'il définit le complément. 
Ces propriétés conduisent à des images lissées à "segmentation zonale" 
par une classification de deuxième ordre. Ces facteurs en font donc une bonne 
simulation des règles de stratification manuelle. 
    
   
  
  
   
   
  
   
   
  
   
   
  
  
  
   
   
  
  
   
  
  
   
  
  
  
    
   
  
   
   
  
  
   
   
  
  
  
   
  
  
   
    
   
II 
Le 
formée est fi 
caractère mo, 
mais les com 
Pot 
règle B3 ind: 
détecté par ' 
Ces 
appliqué un c 
les deux ense 
canal de cett 
"Eau". 
Le 
des données f 
compactes et 
ainsi provoqu 
critères de f 
sionnelle. Ce 
le développem 
de pixels ain 
III 
; La 
la somme des 
la somme (C1 
Or, 
La simulation 
L'a 
réaliser 1'in 
Le 
la définition 
Les 
peuplier dans