Partie I
Chapitre III : Méthodes de traitement des données de télédétection
54
III.5 Conclusion
Les progrès récents en termes de résolution radiométrique, spatiale, temporelle et spectrale
des capteurs fournissent un ensemble d'outils précieux pour les innovations en matière de méthode
de traitement. En effet, des approches innovantes de Machine Learning ou d'apprentissage
automatique (Random forest, Support Vector Machine, Deep Learning) fourniront des solutions
efficaces pour le traitement des images multi-spectrales. Récemment, les méthodes de Deep
Learning ou d'apprentissage automatique à structure profonde ont été largement utilisées dans de
nombreux domaines des sciences environnementales pour les problèmes de classification, de
régression et de segmentation d’image.
Par ailleurs, l’Analyse des Images Basées sur les Objets Géographiques (Object Based Image
Analysis- OBIA) permet d'intégrer l'information spectrale des pixels, ainsi que les paramètres de
forme, de texture, de taille et d'autres caractéristiques topologiques dans le processus d'analyse.
Elle implique la subdivision de l'image en régions homogènes en tant qu'objets ou segments
d'image ; c’est l’étape de segmentation. Elle a la capacité d'interroger et de lier ces objets dans
l'espace. Pour y parvenir, OBIA incorpore les connaissances et les méthodes d'un vaste éventail
de disciplines impliquées dans la génération et l'utilisation de l'Information Geographique.
Ces innovations méthodologiques et des technologies de traitement de données peuvent ouvrir
de nouvelles voies de recherche et d'applications pour la surveillance et de cartographie des
différentes caractéristiques des systèmes marins, côtiers et aquatiques.
Chapitre III : Méthodes de traitement des données de télédétection
54
III.5 Conclusion
Les progrès récents en termes de résolution radiométrique, spatiale, temporelle et spectrale
des capteurs fournissent un ensemble d'outils précieux pour les innovations en matière de méthode
de traitement. En effet, des approches innovantes de Machine Learning ou d'apprentissage
automatique (Random forest, Support Vector Machine, Deep Learning) fourniront des solutions
efficaces pour le traitement des images multi-spectrales. Récemment, les méthodes de Deep
Learning ou d'apprentissage automatique à structure profonde ont été largement utilisées dans de
nombreux domaines des sciences environnementales pour les problèmes de classification, de
régression et de segmentation d’image.
Par ailleurs, l’Analyse des Images Basées sur les Objets Géographiques (Object Based Image
Analysis- OBIA) permet d'intégrer l'information spectrale des pixels, ainsi que les paramètres de
forme, de texture, de taille et d'autres caractéristiques topologiques dans le processus d'analyse.
Elle implique la subdivision de l'image en régions homogènes en tant qu'objets ou segments
d'image ; c’est l’étape de segmentation. Elle a la capacité d'interroger et de lier ces objets dans
l'espace. Pour y parvenir, OBIA incorpore les connaissances et les méthodes d'un vaste éventail
de disciplines impliquées dans la génération et l'utilisation de l'Information Geographique.
Ces innovations méthodologiques et des technologies de traitement de données peuvent ouvrir
de nouvelles voies de recherche et d'applications pour la surveillance et de cartographie des
différentes caractéristiques des systèmes marins, côtiers et aquatiques.