Chapitre II
Les méthodes et les outils
16
II.1.4 Extraction du bâti
Matti-Gallice [C. Matti-Gallice and C. Collet,2004] a défini deux méthodes pour
extraire le bâti d’images sa- tellites. Ces deux méthodes diffèrent dans leur première
étape, appelée étape de rehaussement d’information. La première utilise ce que
l’auteur appele Texture par Morphologie Mathématique, qui est en fait l’addition d’un
bottom-hat et d’un top-hat, soit la différence entre une ouverture et une fermeture. La
deuxième mé- thode utilise le gradient morphologique, c’est à dire la différence entre une
érosion et une dilatation. Ces deux méthodes ont profondément modifié le contenu informatif de l’image originale, depuis un assemblage de pixels de valeurs différentes à des
textures caractéristiques du bâti et du non bâti. Pour mettre en évidence, sur la nouvelle
image, les structures du bâti, l’auteur utilise la reconstruction géodésique qu’il applique
comme Legevey-Padovani [A. Legevey-Padovani and C. Mering,1997]. Les routes et
les fleuves interférant avec une détection correcte du bâti, l’auteur a utilisé un masque
des routes et des fleuves afin de les retirer de l’image pour qu’ils ne perturbent pas
l’extraction du bâti. Cette méthode obtient des résultats relativement intéressants mais
reste res- treinte car elle nécessite d’avoir un masque représentant les routes et les
fleuves, de plus lors de la reconstruction géodésique l’auteur précise qu’il faut
beaucoup d’essais pour définir la meilleure taille pour l’élément structurant.
Lefèvre et al [S. Lefèvre et al,2007] ont développés une méthode basée sur
l’opérateur de trans- formée en tout ou rien en binaire. La première étape consiste
donc à binari- ser l’image, mais plutôt que de la binariser avec un seuil, les auteurs
binarisent l’image plusieurs fois en utilisant une classification non-supervisée basée sur
l’his- togramme de l’image. Ils obtiennent ainsi plusieurs images binaires (clusters) correspondant à des tranches de niveaux de gris représentatives. Un bâtiment pouvant être
composé de parties présentes sur différentes images binaires (variations de couleur du
toit par exemple), ils additionnent les clusters par deux, trois ou plus. Pour éliminer les
objets plus petits qu’un bâtiment, les auteurs utilisent une ou- verture, dont la taille de
l’élément structurant est défini par une granulométrie bi-dimensionnelle, le pic
principal de la granulométrie étant la taille en dessous de laquelle tous les objets seront
enlevés, si cette taille est trop faible, le cluster est ignoré. La méthode consiste ensuite en
des applications de la TTR avec des élé- ments structurants de taille variable afin
d’identifier tous les bâtiments quelquesoit leur taille sur chaque cluster. L’ultime étape est
une reconstruction géodésique per- mettant d’obtenir l’image des bâtiments détectés.
Cette méthode est simple mais coûteuse en temps de calcul, de plus elle ne permet de
détecter que des bâtiments de forme rectangulaire.
Les méthodes et les outils
16
II.1.4 Extraction du bâti
Matti-Gallice [C. Matti-Gallice and C. Collet,2004] a défini deux méthodes pour
extraire le bâti d’images sa- tellites. Ces deux méthodes diffèrent dans leur première
étape, appelée étape de rehaussement d’information. La première utilise ce que
l’auteur appele Texture par Morphologie Mathématique, qui est en fait l’addition d’un
bottom-hat et d’un top-hat, soit la différence entre une ouverture et une fermeture. La
deuxième mé- thode utilise le gradient morphologique, c’est à dire la différence entre une
érosion et une dilatation. Ces deux méthodes ont profondément modifié le contenu informatif de l’image originale, depuis un assemblage de pixels de valeurs différentes à des
textures caractéristiques du bâti et du non bâti. Pour mettre en évidence, sur la nouvelle
image, les structures du bâti, l’auteur utilise la reconstruction géodésique qu’il applique
comme Legevey-Padovani [A. Legevey-Padovani and C. Mering,1997]. Les routes et
les fleuves interférant avec une détection correcte du bâti, l’auteur a utilisé un masque
des routes et des fleuves afin de les retirer de l’image pour qu’ils ne perturbent pas
l’extraction du bâti. Cette méthode obtient des résultats relativement intéressants mais
reste res- treinte car elle nécessite d’avoir un masque représentant les routes et les
fleuves, de plus lors de la reconstruction géodésique l’auteur précise qu’il faut
beaucoup d’essais pour définir la meilleure taille pour l’élément structurant.
Lefèvre et al [S. Lefèvre et al,2007] ont développés une méthode basée sur
l’opérateur de trans- formée en tout ou rien en binaire. La première étape consiste
donc à binari- ser l’image, mais plutôt que de la binariser avec un seuil, les auteurs
binarisent l’image plusieurs fois en utilisant une classification non-supervisée basée sur
l’his- togramme de l’image. Ils obtiennent ainsi plusieurs images binaires (clusters) correspondant à des tranches de niveaux de gris représentatives. Un bâtiment pouvant être
composé de parties présentes sur différentes images binaires (variations de couleur du
toit par exemple), ils additionnent les clusters par deux, trois ou plus. Pour éliminer les
objets plus petits qu’un bâtiment, les auteurs utilisent une ou- verture, dont la taille de
l’élément structurant est défini par une granulométrie bi-dimensionnelle, le pic
principal de la granulométrie étant la taille en dessous de laquelle tous les objets seront
enlevés, si cette taille est trop faible, le cluster est ignoré. La méthode consiste ensuite en
des applications de la TTR avec des élé- ments structurants de taille variable afin
d’identifier tous les bâtiments quelquesoit leur taille sur chaque cluster. L’ultime étape est
une reconstruction géodésique per- mettant d’obtenir l’image des bâtiments détectés.
Cette méthode est simple mais coûteuse en temps de calcul, de plus elle ne permet de
détecter que des bâtiments de forme rectangulaire.