Partie I
Chapitre III : Méthodes de traitement des données de télédétection
48
Afin de surmonter ces limitations et avec l’avènement des capteurs de très hautes
résolutions, une nouvelle approche plus adéquate qui est l’approche Orientée Objet ou
l’Analyse des Images basée sur les Objets Géographiques (Expression en anglais - Geographic
Object-Based Image Analysis - OBIA ou GEOBIA) a été développée. OBIA est une sous
discipline de l’Information Géographique (IG) basée sur l'hypothèse que les informations
sémantiques nécessaires à l'interprétation d'une image ne sont pas représentées par des pixels
individuels, mais par des objets significatifs et leurs relations mutuelles (Definiens, 2006).
III.3.1 Segmentation de l’image pour l’analyse orientée objet
La segmentation est le processus de regroupement des pixels qui sont relativement
homogènes, en segments ou objets. La classification se fait au niveau de la segmentation, au
lieu du niveau du pixel. Ce processus s’effectue à l’aide des algorithmes de segmentation
d'image. Dans ce qui suit, nous détaillerons le principe de deux algorithmes de segmentations
couramment utilisés. (i) La Multi resolution Segmentation et (ii) la Meanshift Segmentation
III.3.1.1 Multi-résolution Segmentation (MRS)
La multirésolution segmentation (MRS) (Baatz et Schape, 2000) est une technique de
fusion de régions de bas en haut. MRS est rapidement devenu l'un des algorithmes de
segmentation le plus important de la discipline OBIA. Il s'appuie sur un paramètre clé qui est
l'échelle (Sp), ce paramètre est défini comme l'hétérogénéité maximale autorisée au sein des
objets. Deux autres paramètres sont essentiels à définir pour MRS, le paramètre de la forme
(Sc), qui est la pondération entre un facteur de couleur (ou un facteur spectral) et un facteur de
forme ; et la compacité (Cp), qui rend l'objet plus ou moins régulier.
MRS est une procédure de fusion d’objet précédé d'un pixel. Chaque pair d’objet est
fusionné en un plus grand objet. La décision de fusion est basée par une condition homogénéité
des objets adjacents. Pour cela, il faut qu’il ait un pair d’objet adjacent qui a le coût de fusion
le plus minimum. L’opération s’arrête quand il n’y a plus de possibilité de fusion dans une
itération (Baatz et Schape, 2000). Le coût de fusion est composé par des valeurs homogénéités
de couleur 𝐻 𝑐𝑜𝑙𝑜𝑟 et de forme𝐻 𝑠ℎ𝑎𝑝𝑒 .
𝐻 𝑑𝑖𝑓𝑓 = 𝑤 𝑐𝑜𝑙𝑜𝑟 ∗ 𝐻 𝐶𝑜𝑙𝑜𝑟 + (1 − 𝑤 𝐶𝑜𝑙𝑜𝑟 )𝐻 𝑠ℎ𝑎𝑝𝑒
(III.2)
L'hétérogénéité spectrale (𝒉 𝒐𝒃𝒋 ) d'un objet est calculée par la somme des écarts-types (𝜎 𝑖 )
des valeurs spectrales de chaque bande i multipliée par leurs poids (𝑤 𝑖 ):