e p(w;/ X)
ice la plus
nant dans
Elles sont
téristiques
ti dense",
recherché
:ectrale.
lablement
lélicate de
alité de la
tillons de-
des autres
15 classes
naissance
e spectral
| pourquoi
s ("Eav",
'uvent être
onvénients
Jéveloppés
ution nor-
e spectral
différentes
retrouver
é attribué
'eloppé un
zy" (Seg,
num Like-
pe Maha-
sse la plus
probable.
. Les trois
probables
valeurs de
ous avons
993.
n lorsqu'il
sur le ter-
ou la date
'image de
é possible
ssification
jr l'emploi
terrain et
ient jugé
n.
Le temps suscité par une classification ainsi que tous les
critères pouvant intervenir sont témoins de la rigueur avec
laquelle elle mérite d'être traitée. Les quelques pixels de re-
jets restant à ce stade seront éliminés par un processus de
filtrage particulier.
5 RELAXATION ET DETECTION DES
CHANGEMENTS
Une méthode baptisée ” relaxation” a été développée à l'IPF,
permettant de généraliser une classification, c'est-à-dire de
combler les pixels non classifiés à l'aide d'un maximum
d'information sur son entourage.
5.1 Relaxation
Le programme s'intéresse non seulement au voisinage spatial
de chaque pixel (types de classes voisines), mais aussi aux
valeurs de confiance correspondantes. ll tient compte de trois
niveaux (les trois classes et valeurs les plus probables), tandis
qu'un filtrage classique s'en tient à un.
ll aborde chaque pixel de la même manière et c'est à
l'utilisateur de déterminer le degré de généralisation voulu,
suivant l'information recherchée. Dans ce projet, il s'agit
d'être prudent, puisque l'apparition d'un pixel isolé peut si-
gnifier qu'il y a eu un changement à cet endroit.
Disposant de toutes les classifications utiles, nous passons à
présent à l'étude des changements.
5.2 Le programme de détection de changements
Le programme observe pixel par pixel sa classe d'appartenance
dans l'image de 1984 et de 1993. |l observe plus parti-
culièrement l'évolution des classes les plus probables (et la
valeur de confiance associée), mais aussi des deuxième et
troisième plus probables. D'autre part, il tient compte du
degré de séparation des deux premières valeurs de confiance,
afin de juger si l'attribution du pixel à la classe la plus pro-
bable s'est faite de manière indiscutable ou non.
La première classe la plus probable reste la plus simple
à interpréter, puisque c'est elle qui a le plus de chances
d'être représentative pour le pixel considéré. Par conséquent,
l'interprétation du changement survenu entre les deux classes
les plus probables est sûrement la plus sensée.
x
Le programme est encore relativement rigide à ce stade,
puisqu'il faut que les deux images en entrée répondent
à certaines conditions incontournables (type de classifica-
tion, canaux avec classes et valeurs de confiance correspon-
dantes, méme nombre de canaux dans les deux images); c'est
pourquoi il est parfois avantageux d'employer un autre pro-
gramme.
5.3 Le programme calc
Le module "calc" est un module flexible pour la manipula-
tion de données raster à l'aide d'expressions arithmétiques et
logiques. Par la variété de fonctions et opérateurs dont il
dispose, ce module est trés puissant et permet de répondre
à toutes sortes de besoins en traitements d'images, comme
la comparaison de deux classifications. Son seul inconvénient
réside dans la complexité d'écriture des commandes.
La distinction de catégories de valeurs de confiance alourdit
considérablement l'ensemble, c'est pourquoi nous avons em-
ployé ce module uniquement dans les cas où le programme
précédent est impuissant.
525
X
Nous disposons à présent de classifications de tous types
(classes principales ou non, relaxées ou non, etc...) et des
programmes permettant de détecter les différences entre deux
classifications de ce type. Nous passons au coeur de la
problématique.
6 RESULTATS
Nous nous attarderons plus particulièrement sur les évolutions
constatables entre les deux images classifiées avec classes
principales, afin de se limiter aux changements globaux et
de contourner les conflits entre sous-classes.
6.1 Evolutions constatées
Notre interprétation s'appuyera sur les statistiques entre
classes les plus probables, pour des raisons déjà citées en 5.2.
| 84/93 | Eau
Forêt Bâti Terres Y 84
Eau 37 123 326 413 92 37 954
Forét 1255 701 071 2 956 65 817 771 099
Báti 607 3768 110 604 25 631 140 610
Terres 1 101 73 039 40 932 714 584 829 656
= 93 40086 778 204 154905 806 124 | 1 779 319
Tableau 1: Evolution en pixels (classes les plus probables)
La premiére colonne du tableau 1 comprend les classes prin-
cipales distinguées dans l'image de 1984 et la première ligne
celles de 1993, les valeurs représentant le nombre de pixels
concernés dans l'image.
Le territoire englobé par le projet représente environ 2,5 mil-
lions de pixels, soit une surface au sol de 2 250 km?. En 1984
(resp. 1993), sur ces 225 000 ha, environ 43 96 (44 96) sont
couverts de forêts, 47 % (45 %) de terres, 8 %(9 %) de bâti
et 2 %(2 %) d'eau. Seule la classe de " Terres" a perdu du
terrain.
De manière globale, la somme des pixels apparaîssant dans
le tableau 1 (1 779 319 pixels) représente 86 % de la totalité
des pixels de l'image, donc 86 % des pixels ont subi une
attribution certaine (relativement à nos seuils) tant en 1984,
qu'en 1993. Ce premier résultat est encourageant.
Il est possible d'interpréter les changements survenus pour
chaque classe, mais nous nous limiterons ici aux cas des
classes ” Eau” et ” Bâti”.
6.2 Illustrations
Exemple de la classe " Eau" :
Globalement, il y a eu une augmentation de 2 130 pixels
d'eau de 1984 à 1993, ce qui, ramené au sol, représente
presque 2 km? supplémentaires sur une surface totale
de 1 600 km? environ. Les changements affectent surtout
les eaux stagnantes (graviéres, plans d'eau,...).
Sur 37 954 pixels d" Eau" en 1984, 98 96 d'entre eux restent
de I" Eau" et 1 96 devient du "Báti". Ce dernier phénoméne
se présente autour des gravières. Il signifie que l'emprise du
sable a avancé en raison de creusées supplémentaires, et non
pas qu'il a été construit autour du plan d'eau. ll se trouve
que le gravier ou sable réfléchit de la même manière que le
bâti. D'autre part, 1 % des pixels d'" Eau" devient "Forét",
ceci correspond aux avancées des herbes de rivages.
International Archives of Photogrammetry and Remote Sensing. Vol. XXXI, Part B7. Vienna 1996