Sar Image Classification of Agricultural Targets Using First- and Second-Order Statistics

RÉSUMÉIl a été démontré que la texture était une caractéristique d'image importante dans les applications reliées à la foresterie et à l'utilisation du sol. Dans le présent article, les auteurs évaluent le rôle de la texture d'image dans la classification de cibles agricoles sur l'imagerie RAS. L'application de la texture d'image à l'analyse numérique de données de télédétection requiert une définition quantitative de la texture. A cet effet, des transformées texturales s'appuyant sur des mesures discrètes de chaque pixel ont été produites. Cette technique se fonde sur la caractérisation de la distribution des niveaux de gris autour de chaque pixel, ce qui définit la texture, par la mesure de cooccurrence de ses niveaux de gris. Des transformées texturales d'une image RAS-580 de Melfort, en Saskatchewan, ont été produites en vue de tester la fonction de probabilité des co-occurrences de niveaux de gris pour trois types de culture: le canota, les céréales et la jachère. D'autre part, les auteurs ont analysé l'influence de différents azimuts de vol sur ta classification texturale à partir de données STAR-1 (Intera Technologies Ltd.) de Swift Current, en Saskatchewan, acquises à trois azimuts de vol différents. Des transformées ont été créées à partir de mesures des propriétés locales à l'intérieur de fenêtres de cinq pixels sur cinq entourant chaque pixel. Les mesures qui ont été employées pour extraire les renseignements à caractère textural des matrices de cooccurrence sont les suivantes: contraste, corrélation, dissemblance, moyenne et écart type. Des classifications numériques ont été réalisées sur l'image initiale à quatre visées, sur les transformées texturales et sur les données filtrées spatialement. La sélection des paramètres caractérisant les images a été faite de manière à obtenir des renseignements sur l'importance relative des transformées texturales comparativement aux images de rétrodiffusion radar. Les résultats indiquent, d'une part, que la précision de la classification réalisée à l'aide des transformées texturales est analogue à celle obtenue à partir des images de rétrodiffusion radar et, d'autre part, que ces transformées ont un rôle certain dans l'analyse de données RAS. Comme cette étude n'est qu'une étude préliminaire, les paramètres utilisés pour produire les transformées texturales n'ont pas été optimisés. Par conséquent, il se peut que les résultats ne réflètent pas le potentiel réel des transformées texturales de l'imagerie RAS pour la classification des cultures.