Chapitre III : Matériels et méthodes
53
Figure III. 9: prétraitement des images satellitaires
Après ces traitements, on a pu obtenir une donnée homogène exploitable et surtout comparable,
c’est un préalable nécessaire pour faire une classification supervisée.
2.2.4. Classification supervisée sur ENVI
Cette méthode se base sur un algorithme « Maximum de Vraisemblance », qui regroupe les
différentes classes thématiques selon les ressemblances spectrales entre pixels, en se basant sur
une expertise utilisateur (données d’échantillonnage supervisée par l’utilisateur).
Pour ce faire, on a procédé de la manière suivante :
Echantillonnage
Les échantillons (ou Region Of Interest ; ROI sur ENVI), sont collectés à partir de l’outil ROI
du logiciel. Quatre classes d’échantillons ont été créées : l’urbanisation, la végétation,
l’agriculture et l’eau, pour pouvoir par la suite, isoler chaque classe à part.
53
Figure III. 9: prétraitement des images satellitaires
Après ces traitements, on a pu obtenir une donnée homogène exploitable et surtout comparable,
c’est un préalable nécessaire pour faire une classification supervisée.
2.2.4. Classification supervisée sur ENVI
Cette méthode se base sur un algorithme « Maximum de Vraisemblance », qui regroupe les
différentes classes thématiques selon les ressemblances spectrales entre pixels, en se basant sur
une expertise utilisateur (données d’échantillonnage supervisée par l’utilisateur).
Pour ce faire, on a procédé de la manière suivante :
Echantillonnage
Les échantillons (ou Region Of Interest ; ROI sur ENVI), sont collectés à partir de l’outil ROI
du logiciel. Quatre classes d’échantillons ont été créées : l’urbanisation, la végétation,
l’agriculture et l’eau, pour pouvoir par la suite, isoler chaque classe à part.