Etude de l’urbanisation de la commune d’Ain Taya | Matériels et méthodes
25
3.3.2 Méthodologies d’extraction automatique du bâti
Feature Extraction
Dans cette partie, une méthode rapide et automatique d’identification des constructions a
été testée. Cette technique permet un gain de temps considérable par rapport à la technique
traditionnelle de digitalisation manuelle.
3.3.2.1.1 Présentation de l’image utilisée
Pour cette application, deux images satellitaires de très haute résolution (50 cm) ont été
utilisées. Ces images, fournies par un bureau d'étude spécialisé, sont orthoréctifiées et possèdent
4 bandes spectrales (Rouge, Vert, Bleu et Proche Infrarouge). Les images ayant servi
uniquement à l'extraction des éléments de l'urbanisation pour l'année 2010, les calibrations
radiométriques et corrections atmosphériques ne sont pas nécessaires.
Afin de faciliter l’utilisation des images, une mosaïque a été réalisée afin d’assembler les
deux images. Ce processus a été réalisé sous ENVI : Toolbox > Mosaicking > seamless mosaic.
3.3.2.1.2 Mise en œuvre de l’outil « Feature Extraction »
Le module « Feature extraction » du logiciel ENVI a été utilisé pour l’extraction des
informations de bâti depuis l’image multispéctrale citée ci-dessus en se basant sur les
caractéristiques spatiales, spectrales et texturales des constructions. Cet outil utilise une
approche basée Objet afin de classifier une image, contrairement à une classification standard
qui est basée Pixel. Ce module peut être utilisé pour extraire une grande variété de structures
comme les bâtis, les routes, les véhicules, les rivières, etc.
Les étapes de travail suivies pour la réalisation de cette technique sont issues du tutorial
« Feature Extraction with Example-Based Classification Tutorial », disponible sur le site
internet Harris Géospatial Solutions, fournisseur du logiciel ENVI. Les étapes de travail se
déclinent comme suit :
• Ouverture de l’image depuis : File > Open
• Optimisation de la visualisation des caractéristiques de l’image en améliorant son
contraste : Toolbar > Optimized Linear > Linear 2%.
• Ouverture du shapefile de la limite communale d’Ain Taya pour appliquer cette
technique seulement sur notre zone d’étude : File > Open
• Toolbox > Feature Extraction > Example Based Feature Extraction Workflow
• Dans la fenêtre Data Selection, ouverture de l’image depuis Input Raster et du masque
(shapefile de la limite communale d’Ain Taya) depuis Input Mask, et lancement du
processus.
• Segmentation de l’image : la segmentation est le processus de division d'une image en
segments qui ont un spectre similaire. Cette segmentation correspond à des entités
réelles sur terrain. La segmentation initiale affichée dans la fenêtre d'aperçu délimite les
toits. Cette segmentation est par la suite peaufinée pour une meilleure détection et
délimitation des constructions en appliquant d’abord la procédure seulement sur la
bande du proche infrarouge afin de produire des limites plus nettes, en cliquant sur le
25
3.3.2 Méthodologies d’extraction automatique du bâti
Feature Extraction
Dans cette partie, une méthode rapide et automatique d’identification des constructions a
été testée. Cette technique permet un gain de temps considérable par rapport à la technique
traditionnelle de digitalisation manuelle.
3.3.2.1.1 Présentation de l’image utilisée
Pour cette application, deux images satellitaires de très haute résolution (50 cm) ont été
utilisées. Ces images, fournies par un bureau d'étude spécialisé, sont orthoréctifiées et possèdent
4 bandes spectrales (Rouge, Vert, Bleu et Proche Infrarouge). Les images ayant servi
uniquement à l'extraction des éléments de l'urbanisation pour l'année 2010, les calibrations
radiométriques et corrections atmosphériques ne sont pas nécessaires.
Afin de faciliter l’utilisation des images, une mosaïque a été réalisée afin d’assembler les
deux images. Ce processus a été réalisé sous ENVI : Toolbox > Mosaicking > seamless mosaic.
3.3.2.1.2 Mise en œuvre de l’outil « Feature Extraction »
Le module « Feature extraction » du logiciel ENVI a été utilisé pour l’extraction des
informations de bâti depuis l’image multispéctrale citée ci-dessus en se basant sur les
caractéristiques spatiales, spectrales et texturales des constructions. Cet outil utilise une
approche basée Objet afin de classifier une image, contrairement à une classification standard
qui est basée Pixel. Ce module peut être utilisé pour extraire une grande variété de structures
comme les bâtis, les routes, les véhicules, les rivières, etc.
Les étapes de travail suivies pour la réalisation de cette technique sont issues du tutorial
« Feature Extraction with Example-Based Classification Tutorial », disponible sur le site
internet Harris Géospatial Solutions, fournisseur du logiciel ENVI. Les étapes de travail se
déclinent comme suit :
• Ouverture de l’image depuis : File > Open
• Optimisation de la visualisation des caractéristiques de l’image en améliorant son
contraste : Toolbar > Optimized Linear > Linear 2%.
• Ouverture du shapefile de la limite communale d’Ain Taya pour appliquer cette
technique seulement sur notre zone d’étude : File > Open
• Toolbox > Feature Extraction > Example Based Feature Extraction Workflow
• Dans la fenêtre Data Selection, ouverture de l’image depuis Input Raster et du masque
(shapefile de la limite communale d’Ain Taya) depuis Input Mask, et lancement du
processus.
• Segmentation de l’image : la segmentation est le processus de division d'une image en
segments qui ont un spectre similaire. Cette segmentation correspond à des entités
réelles sur terrain. La segmentation initiale affichée dans la fenêtre d'aperçu délimite les
toits. Cette segmentation est par la suite peaufinée pour une meilleure détection et
délimitation des constructions en appliquant d’abord la procédure seulement sur la
bande du proche infrarouge afin de produire des limites plus nettes, en cliquant sur le