Annexe
70
Figure 22. Image découpée de la zone d'étude
f) Classification des images satellitaires
Elle consiste à classer chaque pixel d‟une image satellitaire dans un thème précis en fonction
de son information spectrale, ce qui fait que tous les éléments de l‟image ayant des valeurs
numériques relativement identiques soient attribués à la même classe, constituant ainsi des
groupements homogènes. Il en existe principalement deux grandes catégories :
f.1) Classification supervisée
Elle est également appelée « classification assistée ». Elle permet dans un processus
numérique d‟établir des classes thématiques des éléments de l‟image, orientées par l‟expertise
et la capacité de distinction humaines, à partir d‟un ensemble d‟échantillons d‟entrainement.
I. Création des catégories d’intérêt (Region of Interest- ROI) ;
Cela est issu de l‟identification des zones d‟entrainement sur l‟image, par le biais des entités
géométriques (Point, polyligne, polygone…) qui seront affectées à des classes d‟informations,
telles que : (Tissu Urbain, Couverture végétale, eau...etc.) et qui serviront de référentiel pour
la classification de tous les pixels de l‟image. Cela requiert une bonne connaissance de
l‟espace géographique étudié et de ses composantes. Ici, l‟on a rencontré des difficultés à
70
Figure 22. Image découpée de la zone d'étude
f) Classification des images satellitaires
Elle consiste à classer chaque pixel d‟une image satellitaire dans un thème précis en fonction
de son information spectrale, ce qui fait que tous les éléments de l‟image ayant des valeurs
numériques relativement identiques soient attribués à la même classe, constituant ainsi des
groupements homogènes. Il en existe principalement deux grandes catégories :
f.1) Classification supervisée
Elle est également appelée « classification assistée ». Elle permet dans un processus
numérique d‟établir des classes thématiques des éléments de l‟image, orientées par l‟expertise
et la capacité de distinction humaines, à partir d‟un ensemble d‟échantillons d‟entrainement.
I. Création des catégories d’intérêt (Region of Interest- ROI) ;
Cela est issu de l‟identification des zones d‟entrainement sur l‟image, par le biais des entités
géométriques (Point, polyligne, polygone…) qui seront affectées à des classes d‟informations,
telles que : (Tissu Urbain, Couverture végétale, eau...etc.) et qui serviront de référentiel pour
la classification de tous les pixels de l‟image. Cela requiert une bonne connaissance de
l‟espace géographique étudié et de ses composantes. Ici, l‟on a rencontré des difficultés à
