| Grass Tutorial | ||
|---|---|---|
| <<< Previous | Next >>> | |
Une t�che tr�s courante est la classification d'images. Pour pouvoir utiliser les images pour la cartographie ou pour des analyses compl�mentaires, il est souvent important de traduire l'information de fr�quence contenue dans les images en information th�matique portant sur l'occupation du sol ou la couverture v�g�tale. Vous avez g�n�ralement le choix entre deux approches : la classification supervis�e et non-supervis�e.
La classification non-supervis�e consiste � laisser l'ordinateur calculer automatiquement les classes sur la base de plusieurs (en tout cas plus d'une) bandes de fr�quences de votre image. Cela vous laisse la t�che d'identifier le bon nombre et la nature r�elle des classes obtenues. Pour une classification non supervis�e, suivez les �tapes suivantes :
Si ce n'est pas d�j� fait, vous devez cr�er un groupe et d'un sous-groupe contenant les fichiers que vous devez classifier. Utilisez i.group pour cela.
Utilisez i.cluster pour cr�er les classes � partir de vos images. La page du manuel explique les param�tres. Vous pouvez fournir de fa�on optionelle un fichier source de signatures spectrales � i.cluster qui contient les d�finitions de classes obtenues l'un clustering ant�rieur ou lors d'une proc�dure supervis�e. Le fichier source devrait vous aider � optimiser les fronti�res des classes du cluster.
Maintenant que vous avez cr�er vos d�finitions de classes, vous aurez � refaire la classification de votre image originale pour d�cider � quelle classe appartient chaque pixel. Comme toujours (enfin, comme presque toujours...) GRASS a une solution pour vous i.maxlik, un classifieur discriminant de type "maximum-likelihood" (plus grande ressemblance). Il prend d'une part le fichier de signatures spectrales ("sigfile") g�n�r� par i.cluster pour assigner chaque pixel � une classe sur la base de sa probabilit� de ressemblance � une classe. La carte obtenue vous montrera les classes de votre couche originale. Le param�tre optionnel de ��rejet�� ("reject") vous permet de cr�er une nouvelle couche raster bas�e sur les niveaux de confiance pour chaque pixel.
En classification supervis�e, vous ne laissez pas l'ordinateur cr�er les classes, vous les cr�ez vous-m�mes et laissez � l'ordinateur l'�tape suivante, c'est-�-dire l'assignation des pixels aux classes. Cela signifie que vous devez d'abord d�terminer le nombre et la nature des classes que vous voulez utiliser. Suivez les �tapes suivantes pour une classification supervis�e :
GRASS vous permet de cr�er les classes en d�terminant ce que l'on appelle des ��zones d'apprentissages�� dans les cartes existantes. De telles ��zones d'apprentissage�� repr�sentent un �chantillon homog�ne pour lancer la classification. Le module i.class vous aide � d�finir ces zones. Il vous permet d'afficher une image (comme par exemple une image composite couleur avec i.composite) et identifier des zones homog�nes dans l'image. Les signatures spectrales de ces zones seront sauvegard�es et peuvent �tre utilis�es comme classes dans i.maxlik.
De la m�me mani�re que pour une classification non-supervis�e, servez-vous de i.maxlik pour cette �tape.
Une solution interm�diaire entre les deux options cit�es ci-dessus est l'utilisation du module i.gensig. Ce module cr�e les signatures spectrales automatiquement � votre place, � partir de la couche d'apprentissage que vous lui fournissez. Cette couche d'apprentissage devrait d�j� contenir des zones d'apprentissage pr�-classifi�es. Vous pouvez cr�er une couche d'apprentissage avec v.digit ou r.digit ou en extrayant des objets int�ressants avec v.extract ou r.mapcalc.
| <<< Previous | Home | Next >>> |
| Analyse d'images | Up | Cartography |