Agricultural Crop Classification Using SAR Tone and Texture Statistics

Dans cette étude, des données radar aéroportées en multipolarisation sont examinées pour leur potentiel dans la discrimination des classes de culture durant la période initiale de développement des cultures. Des données radar à faisceau étroit en bande C en polarisation HH, HV et VV ont été acquises le 10 juillet 1990, au-dessus d'une région agricole dans le sud-ouest de l'Ontario, au Canada. Un classification dirigée basée sur la technique du k-plus proche voisin (k-NN) est appliquée aux caractéristiques de tonalité et de texture des images radar pour déterminer le potentiel des données multipolarimétriques radar dans la classification des classes de culture tôt dans la saison de croissance. Les techniques utilisées pour générer des mesures de texture incluent la matrice de dépendance des niveaux de gris des pixels voisins (NGLDM) et la matrice de co-occurrences des niveaux de gris (GLCM). Diverses caractéristiques texturales sont extraites à partir de la matrice NGLDM (accentuation des valeurs élevées et second moment) et de la matrice GLCM (moyenne et corrélation). Les évaluations sont basées sur la précision des classifications des types de culture utilisant des images de tonalité et de texture dérivées des données radar géoréférencées en polarisation C-HH, C-HV et C-VV. Lorsque les trois images de tonalité (C-HH, C-HV et C-VV) sont utilisées dans une classification, les niveaux de précision augmentent mais demeurent faibles (k̂ = 39%). Toutefois, les niveaux de précision augmentent considérablement lorsque l'on intègre les caractéristiques texturales dérivées des trois ensembles de données radar dans la classification (k̂ = 78%). Les résultats de cette étude démontrent que la collecte de données multipolarimétriques et l'analyse de texture sont des composantes nécessaires d'une stratégie de classification globale pour la mesure et la cartographie des cultures.