Chapitre II
Les méthodes et les outils
13
II.1.1.4 Comparaison et critique
L’observation du tableau 2.1, nous montre que souvent les méthodes de détec- tion du trait
de côte nécessite une intervention de l’utilisateur, celle-ci peut-être légère (détermination
de seuil) ou plus lourde (sélection de points sur l’image), dans tous les cas cette
intervention limite la méthode à une utilisation par des TAB.1 – Comparaison des
différentes méthodes de détection du trait de côte
TAB.1 – Comparaison des différentes méthodes de détection du trait de côte
Méthode
Type
Résolution
Bruit
Utilisateur
Bagli[4]
Dellepiane[13]
Heene[20]
Jishuang[25]
Karantzalos[26]
Krishna[29]
Loos[34]
Moctezuma[37]
Onana[40]
Multi/Pan
Radar
Multi
Multi
Multi/Pan
Multi
Multi
Radar
Radar
12.5,25
20
N/A
N/A
30,10,6,1
23
1,4,10,15,20,30
20
N/A
Non Traité
Traité
Traité Non
Traité
Traité
Non Traité
Non Traité
Traité
Traité
Requis
Requis
Requis Non
Requis
Requis
Non Requis
Requis
Requis
Non Requis
experts, ce qui ne devrait pas être le cas. De la même manière, on peut remar- quer que
certaines méthodes ne traitent pas le bruit, ce qui les limite aux images de bonne qualité, voire
très bonne qualité, alors qu’une méthode d’extraction de- vrait être adaptée à des images
contenant du bruit, ce qui est fréquent avec les images satellites. De plus, la plupart de ces
méthodes sont limitées à une résolu- tion bien particulière (sauf pour Loos et Karantzalos), elles
ne sont donc adaptées qu’à un certain type d’images satellites, rendant difficile voire impossible
l’étude de l’évolution au cours du temps du trait de côte, les résolutions des instruments ayant
changées.
II.1.2 Détection des chenaux
Lohani [B. Lohani et al,2006] propose un algorithme pour extraire les réseaux de
chenaux de- puis une image aérienne. Il utilise en premier lieu le détecteur de
contours de Sobel [R.C. Gonzalez and R.E. Woods,2003] sur la bande rouge. Il
seuille cette image pour éliminer les magni- tudes faibles, il supprimme les contours
qui ne sont pas des maxima le long de l’axe perpendiculaire à leur magnitude. Il
applique ensuite un seuillage par hys- térèse [J. Canny et al,1986] obtenant ainsi des
contours plus continus. Il utilise une transformée de distance-avec-destination, qui est
basée sur la transformée de distance euclidienne [K.R. Castelman,1996], mais qui
comporte en plus la direction d’où vient la distance minimale. Dans l’image obtenue
les distances maximales représentent les lignes centrales des chenaux et des zones
non-chenales. Il met à zéro les valeurs des pixels ne représentant pas un maximum, et
squelettise l’image résultante en utilisant la mé- thode de Zhang [T.Y. Zhang and C.Y.
Suen,1984], il supprimme ensuite les lignes de 2-3 pixels pour éviter qu’elles ne
Les méthodes et les outils
13
II.1.1.4 Comparaison et critique
L’observation du tableau 2.1, nous montre que souvent les méthodes de détec- tion du trait
de côte nécessite une intervention de l’utilisateur, celle-ci peut-être légère (détermination
de seuil) ou plus lourde (sélection de points sur l’image), dans tous les cas cette
intervention limite la méthode à une utilisation par des TAB.1 – Comparaison des
différentes méthodes de détection du trait de côte
TAB.1 – Comparaison des différentes méthodes de détection du trait de côte
Méthode
Type
Résolution
Bruit
Utilisateur
Bagli[4]
Dellepiane[13]
Heene[20]
Jishuang[25]
Karantzalos[26]
Krishna[29]
Loos[34]
Moctezuma[37]
Onana[40]
Multi/Pan
Radar
Multi
Multi
Multi/Pan
Multi
Multi
Radar
Radar
12.5,25
20
N/A
N/A
30,10,6,1
23
1,4,10,15,20,30
20
N/A
Non Traité
Traité
Traité Non
Traité
Traité
Non Traité
Non Traité
Traité
Traité
Requis
Requis
Requis Non
Requis
Requis
Non Requis
Requis
Requis
Non Requis
experts, ce qui ne devrait pas être le cas. De la même manière, on peut remar- quer que
certaines méthodes ne traitent pas le bruit, ce qui les limite aux images de bonne qualité, voire
très bonne qualité, alors qu’une méthode d’extraction de- vrait être adaptée à des images
contenant du bruit, ce qui est fréquent avec les images satellites. De plus, la plupart de ces
méthodes sont limitées à une résolu- tion bien particulière (sauf pour Loos et Karantzalos), elles
ne sont donc adaptées qu’à un certain type d’images satellites, rendant difficile voire impossible
l’étude de l’évolution au cours du temps du trait de côte, les résolutions des instruments ayant
changées.
II.1.2 Détection des chenaux
Lohani [B. Lohani et al,2006] propose un algorithme pour extraire les réseaux de
chenaux de- puis une image aérienne. Il utilise en premier lieu le détecteur de
contours de Sobel [R.C. Gonzalez and R.E. Woods,2003] sur la bande rouge. Il
seuille cette image pour éliminer les magni- tudes faibles, il supprimme les contours
qui ne sont pas des maxima le long de l’axe perpendiculaire à leur magnitude. Il
applique ensuite un seuillage par hys- térèse [J. Canny et al,1986] obtenant ainsi des
contours plus continus. Il utilise une transformée de distance-avec-destination, qui est
basée sur la transformée de distance euclidienne [K.R. Castelman,1996], mais qui
comporte en plus la direction d’où vient la distance minimale. Dans l’image obtenue
les distances maximales représentent les lignes centrales des chenaux et des zones
non-chenales. Il met à zéro les valeurs des pixels ne représentant pas un maximum, et
squelettise l’image résultante en utilisant la mé- thode de Zhang [T.Y. Zhang and C.Y.
Suen,1984], il supprimme ensuite les lignes de 2-3 pixels pour éviter qu’elles ne