La transformée proposée se donne pour objectif de simuler cette 
démarche, essentiellement dans sa composante statistique. Le fait 
d'appliquer cette transformation à une image déjà classée ne constitue 
pas une limitation. Au contraire, elle permet de traiter une information 
ayant une.signification thématique. Celle-ci est obtenue par un 
classement des données initialisé par l'utilisateur qui peut toujours 
identifier des parcelles d'apprentissage pour un petit nombre 
(soit n) de classes d'objets. 
La transformation consiste à affecter à chacun des points de l'image 
n'valeurs égales à la fréquence de présence dans un voisinage choisi 
de tous les taxons classés. L'image transformée obtenue est donc une 
donnée à n dimensions oü l'espace originel des canaux spectraux est 
remplacé par l'espace des taxons classés. 
De ce fait, l'espace obtenu est muni de propriétés originales dont 
le premier intérét est de permettre la définition d'une famille de 
fonctions de segmentation. En Outre, des traitements déterministes 
("supervisés sans parcelles d'apprentissage") sont possibles pour représenter 
de nouveaux taxons ayant des significations thématiques plus élaborées 
que les classes d'origine. 
Les limites obtenues ont un intérét double : 
l. Elles constituent une référence pour les travaux de zonage qui 
conditionnent de nombreuses décisions d'aménagement du territoire. 
2. Elles sont des indicateurs d'homogénéité du milieu naturel et 
justifient des traitements identiques appliqués à leur intérieur. 
La représentation cartographique totale est ensuite obtenue par 
la somme des résultats provenant des différentes zones créees. 
$2 
EE RR RR DELE 1 S Qm Sie —