Généralités
17
1.5.2 Les techniques de classification d’image
Les méthodes de classification regroupent des zones de l'image présentant des réponses
spectrales similaires en classes distinctes. Ces techniques reposent sur des principes
d'apprentissage automatique et se divisent en deux catégories : supervisée et non supervisée.
Dans le cadre d'un apprentissage non supervisé, les pixels de l'image sont regroupés en
fonction de leur similarité à l'aide de techniques de clustering
4 , et les classes d'occupation des
sols sont définies ultérieurement (PELLETIER, 2017).
Cependant, la majorité des recherches sur l'extraction de l'occupation du sol à partir d'images
satellites privilégient les méthodes de classification supervisée basées sur les pixels
(DERDJINI, 2017). Cette technique repose sur une connaissance préalable du terrain étudié. La
démarche scientifique reste cohérente entre les différentes méthodes de classification, bien
que le choix des algorithmes de classification puisse varier (DERDJINI, 2017).
4 Le clustering est une étape clé dans la classification non supervisée qui consiste à regrouper automatiquement
les pixels de l'image en clusters (classes spectrales homogènes), sans aucune information a priori sur les types
d'occupation du sol (KNUDBY, 2021).
17
1.5.2 Les techniques de classification d’image
Les méthodes de classification regroupent des zones de l'image présentant des réponses
spectrales similaires en classes distinctes. Ces techniques reposent sur des principes
d'apprentissage automatique et se divisent en deux catégories : supervisée et non supervisée.
Dans le cadre d'un apprentissage non supervisé, les pixels de l'image sont regroupés en
fonction de leur similarité à l'aide de techniques de clustering
4 , et les classes d'occupation des
sols sont définies ultérieurement (PELLETIER, 2017).
Cependant, la majorité des recherches sur l'extraction de l'occupation du sol à partir d'images
satellites privilégient les méthodes de classification supervisée basées sur les pixels
(DERDJINI, 2017). Cette technique repose sur une connaissance préalable du terrain étudié. La
démarche scientifique reste cohérente entre les différentes méthodes de classification, bien
que le choix des algorithmes de classification puisse varier (DERDJINI, 2017).
4 Le clustering est une étape clé dans la classification non supervisée qui consiste à regrouper automatiquement
les pixels de l'image en clusters (classes spectrales homogènes), sans aucune information a priori sur les types
d'occupation du sol (KNUDBY, 2021).