A New Classification Scheme Based Upon Segmentation for Remote Sensing

La plupart des procédés de classification en usage actuellement sont basés sur la pixel. Or il se trouve que les valeurs des pixels groupées dans une même classe peuvent être très différentes, et parfois confondues avec des pixels qui appartiennent à d'autres classes. Cette méthode de répartition des pixels produit donc souvent des résultats embrouillés. Pour réduire ce bruit et augmenter la précision de la classification, il faut prendre en considération l'information spatiale.Ce document nous propose un nouveau procédé de classification fondé sur l'emploi de segments épurés au moyen d'histogrammes. Dans un premier temps, à l'aide de techniques de segmentation, on divise une image en zones disjointes homogènes. Puis, en se servant des valeurs limites établies d'après l'histogramme d'un segment donné, on rejette certains pixels et on calcule la valeur moyenne des intensités spectrales de ceux qui restent. Une classification est ainsi établie pour chaque segment, suivant la méthode de vraisemblance.Afin de démontrer l'efficacité de ce nouveau procédé, les auteurs l'ont comparé à deux autres méthodes, à savoir la classification par répartition des pixels et la classification par échantillonnage. Pour l'expérience, ils ont choisi deux sites d'essai de faible surface et un autre plus large. Des trois méthodes comparées, c'est la classification par segmentation qui affiche la meilleur précision.