Évaluation de l’analyse texturale dans la révision cartographique (région de Sherbrooke) à l’aide des données SPOT

Abstract

L'analyse de texture s'intègre à la classification automatique pour détecter la couverture du sol en milieu urbain. La création des images texturales s'obtient en utilisant une fenêtre mobile sur l'image panchromatique de SPOT. Les statistiques du second ordre d'Haralick sont appliquées sur les matrices de cooccurence et 13 images texturales sont produits. Une classification spectrale est préalablement effectuée afin de mesurer l'apport de l'information texturale dans le calcul des superficies. Les néo-canaux (images texturales) sont intégrés à l'image multispectrale dans une classification supervisée. Deux aspects sont considérés dans l'étude du milieu urbain; le premier détecte la couverture de l'utilisation du sol tandis que le deuxième touche la zone urbaine dans le cadre de la révision cartographique. Un total de 7 classes d'utilisation du sol est considéré dans le premier aspect et 2 classes pour la carte topographique. Les résultats des classifications sont comparés aux cartes de données de terrain afin d'évaluer l'apport des néo-canaux. Par le biais des matrices de confusion nous avons évalué l'exactitude des classifications. Les résultats de la classification sont beaucoup plus homogènes avec l'intégration des images texturales dans une classification supervisée. Les unités d'utilisation du sol (commercial, résidentiel et urbain) sont plus précises en terme de superficie. Les néo-canaux permettent d'augmenter la discrimination entre le commercial et le résidentiel. Il est démontré que le manque de variation tonale de certaines classes, due à la résolution spatiale du mode panchromatique, ne permet pas de bien discriminer les zones agricoles des espaces verts pour l'analyse texturale. Cette même constatation s'observe par une interprétation visuelle de l'image panchromatique. Une-résolution plus fine de l'image (plus grande variation tonale de l'image) alliée à une date d'acquisition durant l'été donneraient fort probablement des résultats différents. L'intégration des images texturales diminue le taux de classification aux thèmes radiométriquement homogènes (forêt et eau). Une classification spectrale suffit amplement pour les thèmes spectralement homogènes et donne de meilleurs résultats. L'analyse texturale est très prometteuse pour la révision cartographique des éléments à caractère zonal. De plus, elle permettra d'enlever l'aspect arbitraire du photo-interprète quant à la détermination de la zone urbaine. La variation de paramètres, lors de la création des images texturales, aidera sans doute à l'amélioration des taux de classification. L'analyse en composantes principales (ACP) est utilisée dans cette étude afin de quantifier son apport possible dans une classification supervisée. L'ACP n'apporte que très peu d'amélioration des taux de classification sauf pour la friche et l'agriculture. Une classification spectrale/texturale donne d'aussi bons résultats. Le choix du filtre modal, comme filtre post-classification, est basé sur sa rapidité d'exécution et sa simplicité d'utilisation. Ce filtre augmente de façon significative les taux de classification surtout aux zones classifiées de façon hétérogène. L'utilisation du filtre modal a un impact direct sur les résultats. La plus forte augmentation du taux de classification, après le passage du filtre modal, est obtenue sur une classification spectrale. Le taux de bon classement du résidentiel passe de 47% à 66% tandis que le commercial va de 46% à 54%. Les résultats de la classification spectrale/texturale brute (sans filtre post-classification) indiquent une amélioration de l'ordre de 24% au niveau du résidentiel et de 9% pour le commercial par rapport à une classification spectrale brute. Les taux de classification se situent à 71% et à 55% respectivement pour le résidentiel et le commercial dans une classification spectrale/texturale. Après le passage du filtre modal, les taux augmentent à 77% pour le résidentiel et à 61% pour le commercial.